隨著人工智能技術的發(fā)展,人體行為識別成為機器人視覺領域的重要研究方向之一,被人們廣泛應用于安防監(jiān)控系統(tǒng)、醫(yī)療診斷監(jiān)護、人機交互等領域。如何使得機器人能夠識別人體的不同行為是服務于人的前提條件,現(xiàn)實中人體的不同行為必然會受到各種環(huán)境因素的影響,使得機器人準確識別人體不同的行為成為一個值得研究的方向。本文圍繞著人體行為的識別任務展開一系列研究。簡要介紹了人工智能在人體行為識別方面的研究狀況、應用和前沿問題,分別從底層的目標檢測與識別算法,人體關鍵點的特征提取,人體行為識別模型的設計,高層的目標檢索與人體姿態(tài)的定性時空關系表示,人體行為的潛在表示等方面進行深入研究。本文的主要內容如下:（1）為了提高目標檢測與識別和人體關鍵點檢測與識別的精度,采用IoU的方法作為衡量目標檢測精度的性能指標,并對IoU方法進行了推廣和改進,重新設計了神經(jīng)網(wǎng)絡結構,利用不同的數(shù)據(jù)集作為數(shù)據(jù)樣本進行訓練研究。在人體關鍵點特征提取的研究中,采用了自下而上的特征提取方法,實驗證明,基于重新設計的神經(jīng)網(wǎng)絡結構和特征提取的算法,能夠適應人體關鍵點的特征提取。與其它模型對比,本文實施的方法不僅提高了目標檢測與識別和人體關鍵點... 

【文章來源】：青島科技大學山東省

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

服務機器人Fig.1-1ServiceRobot

青島科技大學研究生學位論文72基于改進的神經(jīng)網(wǎng)絡算法的目標檢測與識別2.1目標檢測與識別概述在視覺這一研究領域，對于人體信息的捕獲以及對目標的檢測與識別在整個人工智能領域扮演著極其重要的角色�，F(xiàn)實中的事物紛繁復雜，人們有時候很難辨別出目標的具體特征。因此，人類思考是否可以利用機器代替人類去實現(xiàn)人類想實現(xiàn)的功能，而計算機通過模擬人腦（生物神經(jīng)網(wǎng)絡）就可以用比較簡單的模型來表示復雜概念，從而進一步對目標進行檢測與識別。采用的算法體系是以機器學習、深度學習為代表的人工神經(jīng)網(wǎng)絡（artificialneuralnetwork）算法為核心的算法體系。對于目標的圖像檢測與識別少不了的一門學科便是深度學習，深度學習這一基礎學科在視覺中發(fā)揮著越來越重要的作用，越來越多的公司和科研院所開始從事深度學習這一領域的研究。本章采用深度學習的方法對目標檢測進行研究。2.2目標檢測與識別的主要思想在本文研究中，同其它采用基于深度學習方法的目標檢測與識別的思想大體一樣，只不過在本階段，為了提高目標檢測與識別的性能，將目標檢測的性能指標IoU進行了適當改進和推廣，對卷積神經(jīng)網(wǎng)絡的結構進行了改進。使用改進后的卷積神經(jīng)網(wǎng)絡算法模型進行訓練，得到了一個比其它卷積神經(jīng)網(wǎng)絡模型算法效果更好的檢測與識別的網(wǎng)絡模型。主要流程示意圖如圖2-1所示。圖2-1目標檢測與識別流程圖Fig.2-1ObjectDetectionandRecognitionFlowchart

交并比Fig.2-2Intersection-over-Union,

【參考文獻】：
期刊論文
[1]代際經(jīng)濟支持健康效應檢驗[J]. 劉西國.  西北人口. 2016(01)



本文編號：3113804