中國正逐漸進入老齡化社會,老年人隨著年齡的增大會出現(xiàn)四肢行動不便、獨立生活能力差等問題,非常需要社會給予特殊的看護。因此,研究和開發(fā)可以為老人提供服務(wù)的智能看護系統(tǒng)具有重要的現(xiàn)實意義。本論文主要針對日常生活場景,研究面向家庭環(huán)境的人體行為分析方法并開發(fā)相關(guān)軟件,具有良好的實際應(yīng)用價值。論文的主要工作如下:（1）針對視頻幀之間冗余度高的問題,設(shè)計了一種基于聚類的視頻關(guān)鍵幀提取方法。首先將視頻分解為單幀的形式,然后提取視頻每一幀的特征,接著使用特征對視頻所有幀進行聚類分析,最后從聚類簇中選取部分幀作為關(guān)鍵幀。使用關(guān)鍵幀代替視頻進行后續(xù)處理,能夠顯著降低計算復(fù)雜度。（2）設(shè)計了一種基于視頻序列的骨架行為識別方法。首先對視頻中的人進行姿態(tài)估計,然后根據(jù)姿態(tài)估計的結(jié)果生成骨架時空序列圖,最后使用圖卷積神經(jīng)網(wǎng)絡(luò)對骨架時空序列圖進行行為識別。不同于現(xiàn)有的離線姿態(tài)估計加在線骨架序列識別的行為識別方法,該方法能夠端到端對人體姿態(tài)和人體行為進行學(xué)習(xí)。雖然所設(shè)計的基于視頻序列的骨架行為識別方法可以直接對視頻序列中人體行為進行預(yù)測,但是姿態(tài)估計本身存在的誤差間接對行為識別的精度產(chǎn)生影響。為了彌補姿態(tài)估計產(chǎn)生的... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２異或問題示意圖??Ｆｉｇｕｒｅ?２－２．?ＸＯＲ?ｐｒｏｂｌｅｍ??因此為了使神經(jīng)網(wǎng)絡(luò)能夠深度化且能處理非線性問題，可以將神經(jīng)元計算值??輸入非線性函數(shù)中，將非線性函數(shù)的輸出值作為神經(jīng)元真正的輸出值

面向家庭環(huán)境的人體行為分析方法研究及軟件開發(fā)??的予集，如圖２－４所示為５?ｘ?５輸入特征圖與３?ｘ?３的卷積核進行卷積操作。??Ｍ??／—ｒ—ｒ＿＼ｒ—／Ｖ－／—／??／?／?／?Ｖ?／?＼?／?／??遍’??／／／／／／／??ｙ＿?＿?ｙ＿?＿?ｙ??圖２－４卷積操作示意圖??Ｆｉｇｕｒｅ?２－４．?２Ｄ?ｃｏｎｖｏｌｕｔｉｏｎ??均，／）＝進［４?（５０？?＋?Ｘ，?ｓ０ｊ?＋?ｙ）ｗｌ＋１（ｘ，?ｖ）］?＋?ｂ?（２－２）??ｋ＝ｌ?ｘ—＼?ｙ＝ｌ??如式（２－２）卷積神經(jīng)網(wǎng)絡(luò)前向傳播時，將子集中的元素與卷積核的元素點乘并??求和作為＿前節(jié)點的輸出。其中Ｚ和Ｚ—為／＋１卷積層的輸入特征與輸出特征，??Ｚ（ｉ＋ｊ）表示特征圖對應(yīng)位置像素值，尤為通道數(shù)爆／為卷積核大小，ｗ為卷積步長。??池化艮是卷積神經(jīng)網(wǎng)絡(luò)中．另一個重粟的網(wǎng)絡(luò)層＊與卷積層不同，池化層可以將??卷積層輸出特征圖中多種特征進行選擇過濾，此外池化層還能夠降低特征圖維度，??降低計算復(fù)雜度。池化操作時也需將特征圖以節(jié)點為中心劃分成一定大小的多個??子集，常見的池化層類型有平均池化和最大值池化兩種：平均池化層對子集中所有??的節(jié)點取平均值作為輸出，相最于對輸入特征和取值為ｌ／（（ｘ幻卷積核進行卷積操??作，其中々為卷積核大�。蛔畲笾党鼗瘜尤『跫凶畲笾底鳛檩敵�。??卷積神經(jīng)網(wǎng)絡(luò)在圖像領(lǐng)域有著廣泛的應(yīng)用，但對乎視頻數(shù)據(jù)，傳統(tǒng)的卷積神經(jīng)??網(wǎng)絡(luò)在處理時需要將視頦分割為多個幀，再對視頻中每一幀進行卷積運算。這種操??作的缺點是只利用了視頻的空間信息，而無法利用視頻的時間信息。因此為了使卷??積神經(jīng)網(wǎng)絡(luò)能夠有效利用視頻的時間和耷間兩個不同維度的信扈，通常的做法是

?浙江工業(yè)太學(xué)碩士學(xué)位論文???支中＊原始共享特征通過一定數(shù)量的３Ｄ卷積神經(jīng)網(wǎng)絡(luò)進一步提取其高層特征９最??后將骨架分支得到的特征與視頻分支得到的特征融合后通過全連接神經(jīng)網(wǎng)絡(luò)得到??分類結(jié)果６??２．４行為識別數(shù)據(jù)集選擇??基于視頻序列的行為識別的數(shù)據(jù)集主要有：ＵＣＦ１０１［３，ｎＨＭＤＢ［３６］等，基于骨??架的行為識別數(shù)據(jù)有Ｋｉｎｅｔｉｃｓ、ＮＴＵ等，造成二者不同的原因是大多數(shù)基于視頻序??列行為識別數(shù)據(jù)集沒有人工標(biāo)注的人體骨架數(shù)據(jù)。本論文最終使用ＮＴＵ數(shù)振集對??行為識別網(wǎng)絡(luò)進行訓(xùn)練和驗證。??ＮＴＵ數(shù)據(jù)集是由新加坡南洋理工大學(xué)推出的行為識別數(shù)據(jù)集，包含６０個行為??類別共５６８８０個樣本。ＮＴＵ數(shù)據(jù)集將６０個行為類別分為３個主要類別：４０個日??常操作如讀書、１１個交互操作如擁抱和９個與健康有關(guān)的操作如打噴嚏等、，每個??類別都有９４８個樣本，樣本分布均衡。圖２－６所示為ＮＴＵｔＷ數(shù)據(jù)集中部分視頻淨(jìng)??列示意．圖。??■；ｎ?ｍｉ?？?■??－Ｕ??圖２－６?ＮＴＵ數(shù)據(jù)集示意圖??Ｆｉｇｕｒｅ?２－６．?ＮＴＵ?ｄａｔａｓｅｔ?ｄｉａｇｒａｍ??除彩色視頻序列外，ＮＴＵ數(shù)據(jù)集還提供了與彩色視頻序列對應(yīng)的深度視頻序??列和紅外視頻序列。圖２－７所示為ＮＴＵ％數(shù)據(jù)集中深度視頻序列及其對應(yīng)的骨架??圖，圖２－８所示為ＮＴＵ％１數(shù)據(jù)集中紅外視頻序列及其對應(yīng)的骨架圖。??１４??

【參考文獻】：
期刊論文
[1]淺析家庭型服務(wù)機器人的發(fā)展前景[J]. 袁政華,夏雪.  信息記錄材料. 2019(07)
[2]視頻行為識別綜述[J]. 羅會蘭,王嬋娟,盧飛.  通信學(xué)報. 2018(06)
[3]居家養(yǎng)老智能服務(wù)機器人的設(shè)計發(fā)展研究[J]. 韋佳.  中國管理信息化. 2018(02)
[4]城市空巢老人養(yǎng)老需求分析及對策研究——以大連地區(qū)調(diào)研為例[J]. 李東陽.  現(xiàn)代經(jīng)濟信息. 2016(15)
[5]發(fā)展服務(wù)機器人,助力智能社會發(fā)展[J]. 陶永.  科技導(dǎo)報. 2015(23)
[6]城市空巢老人生活質(zhì)量研究[J]. 李建新,李嘉羽.  人口學(xué)刊. 2012(03)
[7]中國人口老齡化百年發(fā)展趨勢[J]. 杜鵬,翟振武,陳衛(wèi).  人口研究. 2005(06)



本文編號：3562086