近年來,隨著計算機視覺技術(shù)和深度相機的快速發(fā)展,基于人體姿勢等視覺信息的可靠分割并進行人體姿勢識別的研究越來越深入。人體姿態(tài)識別使得機器人可以通過結(jié)合環(huán)境、目的判斷識別人體的運動特征,學習人類動作,從而具備獲得對人類復雜行為的學習能力,甚至可以在動態(tài)環(huán)境下和人類進行交互,是智能機器人研究領域的熱點之一。從運動學習的角度來看,動作識別過程可以被看作是對連續(xù)的人類行為的一種理解,而連續(xù)的人類行為又由一系列的動作組成,如揮手,撿起,放下等等。關鍵問題是如何識別給定域中的動作是什么,如何對它們進行編碼,以及如何在捕獲的運動數(shù)據(jù)中識別它們。本文分析了關于運動學習的主要研究方法和研究狀況。在此基礎上,基于高斯混合隱馬爾可夫模型（GMM-HMM）,圍繞仿人機器人對人體運動的學習方法進行了研究。首先,對Kinect提取的人體骨骼關節(jié)模型進行預處理,將骨骼關節(jié)三維坐標序列用空間向量法轉(zhuǎn)換為關節(jié)角度特征序列,用四元數(shù)表示為骨骼姿勢特征序列,同時對數(shù)據(jù)序列進行歸一化。其次,在權(quán)威數(shù)據(jù)庫MSR Action3D上進行GMM-HMM的分組訓練和測試,以確定模型最優(yōu)參數(shù);為了提高模型穩(wěn)定性,在數(shù)據(jù)集的分組上,每一... 

【文章來源】：北京建筑大學北京市

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

基于RoboEarth的共享機器人Fig.1-1RoboEarth-basedsharedrobot2015年，F(xiàn)anuc在國際機器人展覽會上展示了一個可以自學習的機器人，

自主Fig.1-2Self-l

AlphaGo學習過程

【參考文獻】：
期刊論文
[1]在書寫任務中的基于軌跡匹配的模仿學習[J]. 于建均,門玉森,阮曉鋼,徐驄馳.  北京工業(yè)大學學報. 2016(08)
[2]基于Kinect的Nao機器人動作模仿系統(tǒng)的研究與實現(xiàn)[J]. 于建均,門玉森,阮曉鋼,趙少瓊.  智能系統(tǒng)學報. 2016(02)

碩士論文
[1]擬人機器人實時運動模仿研究[D]. 張明.南京郵電大學 2019
[2]基于Kinect骨骼數(shù)據(jù)的人體動作識別方法研究[D]. 李佩.鄭州大學 2017
[3]基于軌跡匹配的模仿學習在類人機器人運動行為中的研究[D]. 門玉森.北京工業(yè)大學 2016



本文編號：3525568