私密直播全婐app免费大渔直播,国产av成人无码免费视频,男女同房做爰全过程高潮,国产精品自产拍在线观看

  近年來(lái)，新興的指紋、人臉等生物識(shí)別技術(shù)容易被掩蓋和模仿，并且需要接觸識(shí)別，增加了識(shí)別難度。步態(tài)特征不僅依賴于先天因素，還與后天的生活環(huán)境密切相關(guān)，難以改變或偽裝。盡管在大霧、沙塵暴等復(fù)雜環(huán)境中，通過(guò)提取人體運(yùn)動(dòng)輪廓，可實(shí)現(xiàn)遠(yuǎn)距離、非接觸的識(shí)別。步態(tài)識(shí)別系統(tǒng)在身份識(shí)別，體育鍛煉和醫(yī)學(xué)診斷領(lǐng)域中發(fā)揮著重要作用。特別地，步態(tài)分析可為診斷多種潛在疾病提供有用線索，實(shí)現(xiàn)早期診斷并指導(dǎo)患者康復(fù)治療（如：偏癱和帕金森氏病）。因此，迫切需要開(kāi)發(fā)可移植的人機(jī)相交互系統(tǒng)來(lái)監(jiān)測(cè)和識(shí)別這些癥狀。

  目前，有兩種主要的步態(tài)識(shí)別方法：基于穿戴式傳感器的步態(tài)識(shí)別和基于機(jī)器視覺(jué)的步態(tài)識(shí)別。基于機(jī)器視覺(jué)的步態(tài)識(shí)別方法對(duì)數(shù)據(jù)收集的環(huán)境有更高的要求，還需要進(jìn)行繁瑣的操作，如：圖像收集，處理和保存。然而，使用穿戴式傳感器進(jìn)行步態(tài)監(jiān)測(cè)和識(shí)別是一種簡(jiǎn)單有效的方法，不受外部環(huán)境因素的限制。再結(jié)合不同的深度學(xué)習(xí)算法，提取生理參數(shù)的特征來(lái)進(jìn)行步態(tài)識(shí)別和預(yù)測(cè)。

圖2. 基于GO-PAM的摩擦納米發(fā)電機(jī)（TENG）的示意圖與輸出的電學(xué)性能

60~200%時(shí)，GF從2.13增加到4.89。隨著應(yīng)變范圍從200%增加到300%，GF達(dá)到7.97。當(dāng)拉伸應(yīng)變?yōu)?/span>20%時(shí)，應(yīng)變響應(yīng)和恢復(fù)時(shí)間分別為0.5 s和0.6 s。該傳感器粘貼在人體不同關(guān)節(jié)處，如前額、手指、肘部、手腕等，不僅可以檢測(cè)產(chǎn)生的電阻信號(hào)，還可識(shí)別手指和肘關(guān)節(jié)的彎曲程度。

圖3. GO-PAM柔性應(yīng)變傳感器的應(yīng)變性能

  近年來(lái)，機(jī)器學(xué)習(xí)作為人工智能（AI）研究領(lǐng)域被廣泛應(yīng)用于數(shù)據(jù)分析和模式識(shí)別。將AI引入穿戴式傳感器可以提高模式識(shí)別的準(zhǔn)確性，并開(kāi)發(fā)具有高精度和實(shí)時(shí)處理的智能可穿戴電子系統(tǒng)。本文設(shè)計(jì)了一款智能鞋墊，采集4個(gè)應(yīng)變傳感器產(chǎn)生的模擬電壓信號(hào)，并將其經(jīng)過(guò)A/D轉(zhuǎn)換后，由單片機(jī)傳輸?shù)?/span>PC機(jī)上（圖4）。再對(duì)采集到的原始信號(hào)進(jìn)行快速傅里葉變換(FFT)濾波和去噪，保留原始信號(hào)的有用特征。最后，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型、決策樹(shù)模型和隨機(jī)森林模型對(duì)步態(tài)數(shù)據(jù)進(jìn)行精確識(shí)別和分析，用于人體日常行為步態(tài)識(shí)別和人體病理步態(tài)識(shí)別。

圖4. 步態(tài)識(shí)別模型對(duì)人體步態(tài)識(shí)別的過(guò)程，實(shí)時(shí)采集監(jiān)測(cè)五種不同人體日常行為步態(tài)的電壓信號(hào)，三個(gè)模型的原理示意圖和步態(tài)識(shí)別混淆矩陣以及三種算法對(duì)人體日常行為步態(tài)識(shí)別的準(zhǔn)確性。

  基于步態(tài)識(shí)別模型，將機(jī)器學(xué)習(xí)方法擴(kuò)展到特殊疾病的步態(tài)識(shí)別。該研究的三個(gè)機(jī)器學(xué)習(xí)模型成功地用于帕金森病，左偏癱和右側(cè)偏癱步態(tài)的識(shí)別（圖5）。總體識(shí)別精度均達(dá)到90%以上。經(jīng)過(guò)500次對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，測(cè)試集的識(shí)別精度達(dá)到98.2%。此外，通過(guò)建立步態(tài)監(jiān)測(cè)系統(tǒng)，在計(jì)算機(jī)上實(shí)時(shí)顯示了患者的步態(tài)波形。當(dāng)患者進(jìn)行步行訓(xùn)練時(shí)，可以將患者的活動(dòng)信息數(shù)字化存儲(chǔ)在計(jì)算機(jī)上，例如步數(shù)，步行速度等（Video）。通過(guò)分析這些數(shù)據(jù)，可以及時(shí)調(diào)整患者的訓(xùn)練量和康復(fù)狀況。該研究表明，引入機(jī)器學(xué)習(xí)輔助方法可以準(zhǔn)確診斷疾病，提高康復(fù)訓(xùn)練的效率，并提供遠(yuǎn)程康復(fù)的治療指導(dǎo)。 

圖5. 實(shí)時(shí)采集帕金森病、左偏癱和右偏癱患者步態(tài)的電壓信號(hào)，三種深度學(xué)習(xí)算法對(duì)人體病理步態(tài)識(shí)別的精度比較

  結(jié)論：在此項(xiàng)研究中，研究者開(kāi)發(fā)了具有高可拉伸、可壓縮、高粘附性和自我修復(fù)性的水凝膠。該水凝膠可以將其延伸至860%，具有良好的穩(wěn)定性和耐用性，可以至少循環(huán)利用380次。其對(duì)各種材料具有較高的粘附性能，包括塑料，紙，金屬，皮膚，木材和玻璃。另外，研究了基于水凝膠TENG的輸出電性能，可以點(diǎn)亮353盞 LED燈并為電子溫度計(jì)供電。設(shè)計(jì)了一款智能鞋墊，并基于三種算法構(gòu)建了步態(tài)識(shí)別模型，該算法可用于正常和異常的步態(tài)識(shí)別。在這三個(gè)模型中，對(duì)正常步態(tài)和異常步態(tài)的ANN算法的識(shí)別精度分別達(dá)到99.5%和98.2%。

  原文鏈接：https://www.sciencedirect.com/science/article/abs/pii/S2211285522010564