隨著人工智能技術(shù)的發(fā)展,人體行為識(shí)別成為機(jī)器人視覺領(lǐng)域的重要研究方向之一,被人們廣泛應(yīng)用于安防監(jiān)控系統(tǒng)、醫(yī)療診斷監(jiān)護(hù)、人機(jī)交互等領(lǐng)域。如何使得機(jī)器人能夠識(shí)別人體的不同行為是服務(wù)于人的前提條件,現(xiàn)實(shí)中人體的不同行為必然會(huì)受到各種環(huán)境因素的影響,使得機(jī)器人準(zhǔn)確識(shí)別人體不同的行為成為一個(gè)值得研究的方向。本文圍繞著人體行為的識(shí)別任務(wù)展開一系列研究。簡(jiǎn)要介紹了人工智能在人體行為識(shí)別方面的研究狀況、應(yīng)用和前沿問(wèn)題,分別從底層的目標(biāo)檢測(cè)與識(shí)別算法,人體關(guān)鍵點(diǎn)的特征提取,人體行為識(shí)別模型的設(shè)計(jì),高層的目標(biāo)檢索與人體姿態(tài)的定性時(shí)空關(guān)系表示,人體行為的潛在表示等方面進(jìn)行深入研究。本文的主要內(nèi)容如下:（1）為了提高目標(biāo)檢測(cè)與識(shí)別和人體關(guān)鍵點(diǎn)檢測(cè)與識(shí)別的精度,采用IoU的方法作為衡量目標(biāo)檢測(cè)精度的性能指標(biāo),并對(duì)IoU方法進(jìn)行了推廣和改進(jìn),重新設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),利用不同的數(shù)據(jù)集作為數(shù)據(jù)樣本進(jìn)行訓(xùn)練研究。在人體關(guān)鍵點(diǎn)特征提取的研究中,采用了自下而上的特征提取方法,實(shí)驗(yàn)證明,基于重新設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和特征提取的算法,能夠適應(yīng)人體關(guān)鍵點(diǎn)的特征提取。與其它模型對(duì)比,本文實(shí)施的方法不僅提高了目標(biāo)檢測(cè)與識(shí)別和人體關(guān)鍵點(diǎn)... 

【文章來(lái)源】：青島科技大學(xué)山東省

【文章頁(yè)數(shù)】：97 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

服務(wù)機(jī)器人Fig.1-1ServiceRobot

青島科技大學(xué)研究生學(xué)位論文72基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法的目標(biāo)檢測(cè)與識(shí)別2.1目標(biāo)檢測(cè)與識(shí)別概述在視覺這一研究領(lǐng)域，對(duì)于人體信息的捕獲以及對(duì)目標(biāo)的檢測(cè)與識(shí)別在整個(gè)人工智能領(lǐng)域扮演著極其重要的角色�，F(xiàn)實(shí)中的事物紛繁復(fù)雜，人們有時(shí)候很難辨別出目標(biāo)的具體特征。因此，人類思考是否可以利用機(jī)器代替人類去實(shí)現(xiàn)人類想實(shí)現(xiàn)的功能，而計(jì)算機(jī)通過(guò)模擬人腦（生物神經(jīng)網(wǎng)絡(luò)）就可以用比較簡(jiǎn)單的模型來(lái)表示復(fù)雜概念，從而進(jìn)一步對(duì)目標(biāo)進(jìn)行檢測(cè)與識(shí)別。采用的算法體系是以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)為代表的人工神經(jīng)網(wǎng)絡(luò)（artificialneuralnetwork）算法為核心的算法體系。對(duì)于目標(biāo)的圖像檢測(cè)與識(shí)別少不了的一門學(xué)科便是深度學(xué)習(xí)，深度學(xué)習(xí)這一基礎(chǔ)學(xué)科在視覺中發(fā)揮著越來(lái)越重要的作用，越來(lái)越多的公司和科研院所開始從事深度學(xué)習(xí)這一領(lǐng)域的研究。本章采用深度學(xué)習(xí)的方法對(duì)目標(biāo)檢測(cè)進(jìn)行研究。2.2目標(biāo)檢測(cè)與識(shí)別的主要思想在本文研究中，同其它采用基于深度學(xué)習(xí)方法的目標(biāo)檢測(cè)與識(shí)別的思想大體一樣，只不過(guò)在本階段，為了提高目標(biāo)檢測(cè)與識(shí)別的性能，將目標(biāo)檢測(cè)的性能指標(biāo)IoU進(jìn)行了適當(dāng)改進(jìn)和推廣，對(duì)卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行了改進(jìn)。使用改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)算法模型進(jìn)行訓(xùn)練，得到了一個(gè)比其它卷積神經(jīng)網(wǎng)絡(luò)模型算法效果更好的檢測(cè)與識(shí)別的網(wǎng)絡(luò)模型。主要流程示意圖如圖2-1所示。圖2-1目標(biāo)檢測(cè)與識(shí)別流程圖Fig.2-1ObjectDetectionandRecognitionFlowchart

交并比Fig.2-2Intersection-over-Union,

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



本文編號(hào)：3113804