運動模式識別是借鑒或利用計算機視覺、計算幾何、視覺神經(jīng)網(wǎng)絡(luò)等理論與方法構(gòu)建計算模型并識別視野域中運動目標(biāo)行為特征的研究分支,也是計算機視覺中極具挑戰(zhàn)性的研究課題。如何構(gòu)建恰當(dāng)?shù)挠嬎隳Ｐ?探究合適的算法來高效、準(zhǔn)確識別運動模式,對人工智能自身發(fā)展具有重要的促進作用。傳統(tǒng)計算模型雖能識別運動目標(biāo)的少許行為特征,但運動模式識別難、環(huán)境適應(yīng)能力弱。然而,作為能高效、準(zhǔn)確識別運動模式的生物視覺系統(tǒng)在視覺神經(jīng)生理學(xué)研究中已取得初步進展,為從計算機視覺角度探討運動模式識別、目標(biāo)跟蹤、碰撞檢測等視覺感知問題的計算模型提供了新啟迪。就此,運動模式感知神經(jīng)元的視覺響應(yīng)機理已初步應(yīng)用于構(gòu)建適合于平移、徑向等基本運動模式識別的人工視覺計算模型,但識別旋轉(zhuǎn)、深度旋轉(zhuǎn)、螺旋運動等基本運動模式的研究仍是亟待解決的基礎(chǔ)性難題。由此,依據(jù)生物視覺系統(tǒng)中神經(jīng)元的層次結(jié)構(gòu)關(guān)系及視覺響應(yīng)機理,提出既能簡單模擬生物的視覺響應(yīng)特性又能解決運動模式識別問題的人工視覺神經(jīng)網(wǎng)絡(luò)模型具有重要的科學(xué)意義和潛在的應(yīng)用價值。本文基于蝗蟲與獼猴的視覺神經(jīng)生理學(xué)理論,以視覺系統(tǒng)感知與運動模式識別的生物理論為支撐,以旋轉(zhuǎn)、深度旋轉(zhuǎn)、螺旋運動為研究對...

【文章頁數(shù)】：164 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究目的及意義
    1.3 運動模式識別的研究進展
        1.3.1 平移運動
        1.3.2 徑向運動
        1.3.3 旋轉(zhuǎn)運動
        1.3.4 螺旋運動
    1.4 論文結(jié)構(gòu)安排
第二章 預(yù)備知識
    2.1 蝗蟲視覺神經(jīng)系統(tǒng)
        2.1.1 復(fù)眼的結(jié)構(gòu)與功能
        2.1.2 視葉的結(jié)構(gòu)和功能
        2.1.3 蝗蟲的運動感知視覺通路
    2.2 人工蝗蟲視覺神經(jīng)網(wǎng)絡(luò)模型
    2.3 基于LGMD的視覺運動感知神經(jīng)網(wǎng)絡(luò)
        2.3.1 碰撞檢測神經(jīng)網(wǎng)絡(luò)
        2.3.2 方向選擇神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 旋轉(zhuǎn)運動感知神經(jīng)網(wǎng)絡(luò)
    3.1 旋轉(zhuǎn)敏感神經(jīng)元的視覺響應(yīng)機理
    3.2 旋轉(zhuǎn)運動感知神經(jīng)網(wǎng)絡(luò)模型
        3.2.1 突觸前神經(jīng)網(wǎng)絡(luò)
        3.2.2 方向柱
        3.2.3 突觸后神經(jīng)網(wǎng)絡(luò)
        3.2.4 ccwRMPNN的算法描述
        3.2.5 cw旋轉(zhuǎn)運動感知神經(jīng)網(wǎng)絡(luò)
        3.2.6 計算復(fù)雜度分析
    3.3 數(shù)值實驗與分析
        3.3.1 實驗環(huán)境與參數(shù)設(shè)置
        3.3.2 旋轉(zhuǎn)運動感知測試
        3.3.3 神經(jīng)網(wǎng)絡(luò)的性能分析
        3.3.4 靈敏度分析
        3.3.5 神經(jīng)網(wǎng)絡(luò)比較分析
    3.4 本章小結(jié)
第四章 深度旋轉(zhuǎn)運動感知神經(jīng)網(wǎng)絡(luò)
    4.1 深度旋轉(zhuǎn)敏感神經(jīng)元的視覺響應(yīng)機理
    4.2 深度旋轉(zhuǎn)運動感知神經(jīng)網(wǎng)絡(luò)模型
        4.2.1 突觸前神經(jīng)網(wǎng)絡(luò)
        4.2.2 突觸后神經(jīng)網(wǎng)絡(luò)
        4.2.3 DRPNN神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)與算法描述
        4.2.4 計算復(fù)雜度分析
    4.3 數(shù)值實驗與分析
        4.3.1 實驗環(huán)境與參數(shù)設(shè)置
        4.3.2 深度旋轉(zhuǎn)感知測試
        4.3.3 DRPNN的特性測試與分析
        4.3.4 靈敏度分析
        4.3.5 神經(jīng)網(wǎng)絡(luò)模型的比較分析
    4.4 本章小結(jié)
第五章 螺旋運動感知神經(jīng)網(wǎng)絡(luò)
    5.1 旋轉(zhuǎn)運動選擇神經(jīng)元的視覺響應(yīng)機理
    5.2 螺旋運動感知神經(jīng)網(wǎng)絡(luò)模型
        5.2.1 突觸前神經(jīng)網(wǎng)絡(luò)
        5.2.2 突觸后神經(jīng)網(wǎng)絡(luò)
        5.2.3 e-ccwSMPNN的模型結(jié)構(gòu)與算法描述
        5.2.4 其它類型螺旋運動感知神經(jīng)網(wǎng)絡(luò)
        5.2.5 計算復(fù)雜度分析
    5.3 數(shù)值實驗與分析
        5.3.1 實驗環(huán)境與參數(shù)設(shè)置
        5.3.2 螺旋運動感知測試
        5.3.3 神經(jīng)網(wǎng)絡(luò)的特性測試與分析
        5.3.4 靈敏度分析
        5.3.5 神經(jīng)網(wǎng)絡(luò)模型的比較分析
    5.4 本章小結(jié)
第六章 復(fù)雜場景下人群逃逸行為檢測與預(yù)警
    6.1 人群逃逸行為檢測概述
    6.2 LGMD神經(jīng)元的視覺響應(yīng)機理
    6.3 人群逃逸行為檢測神經(jīng)網(wǎng)絡(luò)模型
        6.3.1 模型結(jié)構(gòu)設(shè)計
        6.3.2 人群逃逸行為預(yù)警方案
        6.3.3 CEBDNN算法描述
        6.3.4 計算復(fù)雜度分析
    6.4 數(shù)值實驗與分析
        6.4.1 實驗環(huán)境設(shè)置
        6.4.2 CEBDNN的特性測試與分析
        6.4.3 靈敏度分析
        6.4.4 模型比較分析
    6.5 本章小結(jié)
第七章 總結(jié)和展望
    7.1 總結(jié)
    7.2 工作展望
參考文獻
附錄一 攻讀博士期間的科研成果
附錄二 致謝



本文編號：3800891