【摘要】：無處不在的軌跡數(shù)據(jù),例如手寫文字、筆跡簽名、手勢動作、人體運動或車流運動等,都與人類生活工作和人身財產(chǎn)安全有著密不可分關(guān)系。隨著智能設(shè)備中各種傳感器的普及,豐富的軌跡數(shù)據(jù)得以采集,促進了軌跡數(shù)據(jù)挖掘和分析的研究。作為軌跡數(shù)據(jù)挖掘中重要一環(huán),軌跡識別通過機器學(xué)習(xí)方法實現(xiàn)軌跡的自動辨別,賦予原始數(shù)據(jù)更高的價值。本文以單運動點的手寫軌跡和多運動點的人體骨架運動軌跡為研究對象,結(jié)合粗糙路徑理論中的路徑重積分特征與機器學(xué)習(xí)領(lǐng)域的深度學(xué)習(xí)方法兩大研究工具,探究更加魯棒、高效、有效的軌跡表征和識別方法。目前軌跡識別的難點是:軌跡數(shù)據(jù)豐富多樣,可能呈現(xiàn)規(guī)模或大或小、類別多、標簽錯誤等復(fù)雜現(xiàn)象,增加了機器學(xué)習(xí)模型訓(xùn)練和識別的難度;軌跡表征需要兼顧軌跡局部、區(qū)域和全局信息,以實現(xiàn)更加完整的軌跡信息提取;多運動點軌跡識別則需要結(jié)合軌跡數(shù)據(jù)不同維度的信息,更好地提煉軌跡的空間結(jié)構(gòu)和時間動態(tài)特性。為了解決上述軌跡識別的難點,本文的研究工作和成果如下:(1)針對軌跡數(shù)據(jù)的復(fù)雜情況,我們從數(shù)據(jù)增強、高效訓(xùn)練和數(shù)據(jù)增廣三個方面都提出了不同的、新穎的解決方案。對于手寫文字軌跡,我們設(shè)計領(lǐng)域知識增強層,通過多樣的傳統(tǒng)手寫領(lǐng)域技術(shù)對原始數(shù)據(jù)提取豐富的先驗知識,促進深度模型性能提升。對于大規(guī)模大類別的手寫識別,我們借鑒心理學(xué)Leither學(xué)習(xí)盒子的思想,提出取舍樣本的深度模型訓(xùn)練方法,不再使用傳統(tǒng)的均勻抽樣,而是依據(jù)深度模型在迭代訓(xùn)練中的輸出置信度來衡量每個樣本下次迭代被抽取的概率,從而自動地、動態(tài)地篩選出難識別樣本進行反復(fù)學(xué)習(xí),進而還可以過濾掉錯誤標簽的樣本以防噪聲干擾,最終實現(xiàn)基于深度模型的高效訓(xùn)練,在手寫識別任務(wù)中取得當時最佳識別結(jié)果。對于少樣本的手寫筆跡軌跡,我們提出舍筆段法,通過軌跡切分后隨機舍棄一定比例的軌跡段,實現(xiàn)數(shù)據(jù)增廣的需求;又由于舍筆段法能夠破壞文字的軌跡結(jié)構(gòu),使書寫者識別系統(tǒng)能夠更好應(yīng)對文本內(nèi)容隨意變更的情形。(2)由于軌跡表征需要兼顧局部和全局信息,我們提出基于路徑重積分特征的解決方案。我們從機器學(xué)習(xí)應(yīng)用角度對路徑重積分特征進行詳細解釋和分析,探討了它作為軌跡表征的適用性。在實際應(yīng)用中,對于任意旋轉(zhuǎn)角度的文字的識別,我們提出層級路徑重積分特征,將原始軌跡切分成層級的小段軌跡,使得重積分特征能夠高效提取從局部到全局的不同范圍的信息。對于書寫者筆跡軌跡,為了區(qū)分它們之間細微又隱秘的差異,我們提取高階的路徑重積分,著重描述局部細節(jié)的幾何依賴關(guān)系,從而實現(xiàn)書寫者識別的突破性進展。(3)面對高維的多個運動點的軌跡識別,我們提出一套時空間的路徑重積分特征的提取方法。在人體骨架動作識別中,我們使用任意兩個或三個骨架點組合后的路徑重積分特征描述骨架在空間中的結(jié)構(gòu)約束,再將時間上不斷演變的空間特征作為路徑,提取時間軸上路徑重積分特征來表示骨架點移動的時間動態(tài)信息,最后結(jié)合時空間的特征,我們在四個典型的人體動作數(shù)據(jù)集上都取得了當時最佳的識別率。
【圖文】：

圖２邋－１二維路徑的路徑重積分特征的幾何意義示意圖逡逑當ｄ邋＝邋ｌ時，，實值路徑｛ｉｆ｝的積分逡逑

２．５．４．手部肌電信號動作識別逡逑Ｏｂｅｒｈａｕｓｅｒ等人［１７２］將路徑重積分運用在手部動作的肌肉電信號識別問題上。手部逡逑運動肌電信號數(shù)據(jù)庫［１７３］是通過特殊傳感器收集的６種手部動作的肌電信號，如圖２邋－逡逑３所示，左邊六張圖是手部動作示意圖，右邊序列數(shù)據(jù)則是抓握動作的一個原始肌電信逡逑號樣例。文獻［１７２］提出一個基于核學(xué)習(xí)（ｋｅｒｎｅｌｌｅａｒｎｉｎｇ）的框架，將路徑重積分特征視逡逑作一種有序矩（ｏｒｄｅｒｅｄｍｏｍｅｎｔｓ），進而獲得序列化的非線性核，實驗證明運用這種序列逡逑核后，不需要以往大量的預(yù)處理操作就能夠很好的識別復(fù)雜的肌電信號。逡逑２６逡逑
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 王松;黨建武;王陽萍;杜曉剛;;實時動作識別方法研究[J];計算機工程與應(yīng)用;2017年03期

2 李文輝;;基于多示例多特征的人體動作識別[J];信息技術(shù);2016年12期

3 王松;杜曉剛;王陽萍;楊景玉;;基于關(guān)節(jié)點運動軌跡的人體動作識別[J];寧夏大學(xué)學(xué)報(自然科學(xué)版);2017年02期

4 任丹;;基于表面肌電信號特征的動作識別[J];遼東學(xué)院學(xué)報(自然科學(xué)版);2017年01期

5 區(qū)峻;石千惠;;特征降維和高斯混合模型的體育運動動作識別[J];現(xiàn)代電子技術(shù);2017年11期

6 凌佩佩;邱崧;蔡茗名;徐偉;豐穎;;結(jié)合特權(quán)信息的人體動作識別[J];中國圖象圖形學(xué)報;2017年04期

7 王松;黨建武;王陽萍;杜曉剛;;基于關(guān)節(jié)間夾角變化序列的動作識別算法研究[J];計算機應(yīng)用與軟件;2017年06期

8 侯靜怡;劉翠微;吳心筱;;基于隱任務(wù)學(xué)習(xí)的動作識別方法[J];北京理工大學(xué)學(xué)報;2017年07期

9 韓敏捷;;基于深度學(xué)習(xí)框架的多模態(tài)動作識別[J];計算機與現(xiàn)代化;2017年07期

10 冀中;郭威辰;;基于局部保持典型相關(guān)分析的零樣本動作識別[J];天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版);2017年09期

相關(guān)會議論文 前10條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動作識別方法[A];廣州市儀器儀表學(xué)會2009年學(xué)術(shù)年會論文集[C];2010年

2 葉喜勇;陶霖密;王國建;邸慧軍;;視角無關(guān)的人體軀干動作識別[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

3 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時空特征的人體動作識別[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

4 黃飛躍;徐光yP;;自然的人體動作識別[A];第三屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

5 呂超;;基于動作識別的增強現(xiàn)實系統(tǒng)中實時交互技術(shù)的研究~[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會2017年裝備技術(shù)發(fā)展論壇論文集[C];2017年

6 黃艷歡;葉少珍;;連續(xù)動作分割綜述[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 劉志強;尹建芹;張玲;魏軍;劉小麗;;基于Kinect數(shù)據(jù)主成分分析的人體動作識別[A];2015光學(xué)精密工程論壇論文集[C];2015年

8 王彥鴻;倪世宏;王剛;謝川;;基于遺傳算法的飛行動作識別規(guī)則獲取方法[A];中國航空學(xué)會控制與應(yīng)用第十二屆學(xué)術(shù)年會論文集[C];2006年

9 征容;嚴瀟然;;PCA在智能家居中的動作識別實例和測試[A];四川省通信學(xué)會2015年學(xué)術(shù)年會論文集[C];2015年

10 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機的手部肌電信號動作識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)重要報紙文章 前10條

1 記者 袁斯茹;人體動作識別率得以顯著提高[N];深圳商報;2019年

2 記者 顧瑾　通訊員 徐紅萍;杭州電信推出“網(wǎng)絡(luò)健身館”[N];人民郵電;2010年

3 杜浩;無人書店的啟示[N];山西日報;2018年

4 本報記者 陳丹;人與機器的“對話”[N];科技日報;2010年

5 本報記者 郝天韻 見習(xí)記者 朱麗娜;無人書店，是噱頭還是趨勢[N];中國新聞出版廣電報;2018年

6 見習(xí)記者 王欣琳;青年創(chuàng)客展示創(chuàng)新項目尋求更多合作[N];中山日報;2019年

7 寧夏 邊書麗 編譯;深入了解體感技術(shù)[N];電子報;2013年

8 本報記者 馬愛平;動一動就認清你？機器說可以[N];科技日報;2017年

9 曹_g;強強聯(lián)手引領(lǐng)運動健康產(chǎn)業(yè)發(fā)展[N];中國體育報;2016年

10 安吉;Kinect for Windows帶來精彩行業(yè)應(yīng)用[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 Fangbemi Abassin Sourou;基于時空二進制特征的動作識別算法研究[D];中國科學(xué)技術(shù)大學(xué);2018年

2 陳野;基于可穿戴傳感器數(shù)據(jù)的人體動作識別方法的研究[D];大連理工大學(xué);2018年

3 楊維信;基于路徑重積分特征和深度學(xué)習(xí)方法的軌跡數(shù)據(jù)的表征和識別[D];華南理工大學(xué);2018年

4 郭明;融合多源體感信息的人體動作識別方法[D];大連理工大學(xué);2018年

5 王廷蔚;基于鑒別主題和時序結(jié)構(gòu)的動作識別[D];南京理工大學(xué);2018年

6 王磊;視頻人體運動的檢測跟蹤與識別[D];上海交通大學(xué);2017年

7 王亮亮;基于視覺的人體動作識別研究[D];哈爾濱工業(yè)大學(xué);2017年

8 李向新;基于多源神經(jīng)信息解碼的多功能假肢控制性能增強及優(yōu)化方法[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進技術(shù)研究院);2017年

9 林連冬;基于仿生機械手的肌動傳感器動作識別研究[D];黑龍江大學(xué);2017年

10 趙洋;4D人體動作識別中的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 王濤;基于深度圖的駕駛艙內(nèi)飛行員動作識別[D];上海交通大學(xué);2017年

2 王琳;室內(nèi)外無縫定位中的情境感知方法研究[D];上海交通大學(xué);2017年

3 閆哲;基于Kinect傳感器的動作識別與手勢識別在人機交互中的應(yīng)用[D];云南大學(xué);2018年

4 李蘭;基于動作三視圖的人體行為識別方法研究[D];安慶師范大學(xué);2019年

5 邢智妍;基于SVM流形正則化的人體動作識別[D];河南大學(xué);2019年

6 崔小光;基于Wi-Fi信號的室內(nèi)動作識別研究[D];河南大學(xué);2019年

7 陳甜甜;基于深度數(shù)據(jù)特征融合的人體動作識別研究[D];華中師范大學(xué);2019年

8 郭孟汗;基于深度學(xué)習(xí)的人體骨架點檢測研究[D];西安科技大學(xué);2019年

9 劉蕓糖;基于LTE的無源人體動作識別的研究[D];南京大學(xué);2019年

10 渠暢;視頻監(jiān)控中人體動作識別關(guān)鍵技術(shù)研究[D];北方工業(yè)大學(xué);2019年

本文編號：2597509