近年來(lái),隨著計(jì)算機(jī)視覺(jué)技術(shù)和深度相機(jī)的快速發(fā)展,基于人體姿勢(shì)等視覺(jué)信息的可靠分割并進(jìn)行人體姿勢(shì)識(shí)別的研究越來(lái)越深入。人體姿態(tài)識(shí)別使得機(jī)器人可以通過(guò)結(jié)合環(huán)境、目的判斷識(shí)別人體的運(yùn)動(dòng)特征,學(xué)習(xí)人類(lèi)動(dòng)作,從而具備獲得對(duì)人類(lèi)復(fù)雜行為的學(xué)習(xí)能力,甚至可以在動(dòng)態(tài)環(huán)境下和人類(lèi)進(jìn)行交互,是智能機(jī)器人研究領(lǐng)域的熱點(diǎn)之一。從運(yùn)動(dòng)學(xué)習(xí)的角度來(lái)看,動(dòng)作識(shí)別過(guò)程可以被看作是對(duì)連續(xù)的人類(lèi)行為的一種理解,而連續(xù)的人類(lèi)行為又由一系列的動(dòng)作組成,如揮手,撿起,放下等等。關(guān)鍵問(wèn)題是如何識(shí)別給定域中的動(dòng)作是什么,如何對(duì)它們進(jìn)行編碼,以及如何在捕獲的運(yùn)動(dòng)數(shù)據(jù)中識(shí)別它們。本文分析了關(guān)于運(yùn)動(dòng)學(xué)習(xí)的主要研究方法和研究狀況。在此基礎(chǔ)上,基于高斯混合隱馬爾可夫模型（GMM-HMM）,圍繞仿人機(jī)器人對(duì)人體運(yùn)動(dòng)的學(xué)習(xí)方法進(jìn)行了研究。首先,對(duì)Kinect提取的人體骨骼關(guān)節(jié)模型進(jìn)行預(yù)處理,將骨骼關(guān)節(jié)三維坐標(biāo)序列用空間向量法轉(zhuǎn)換為關(guān)節(jié)角度特征序列,用四元數(shù)表示為骨骼姿勢(shì)特征序列,同時(shí)對(duì)數(shù)據(jù)序列進(jìn)行歸一化。其次,在權(quán)威數(shù)據(jù)庫(kù)MSR Action3D上進(jìn)行GMM-HMM的分組訓(xùn)練和測(cè)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(lái)源】：北京建筑大學(xué)北京市

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于RoboEarth的共享機(jī)器人Fig.1-1RoboEarth-basedsharedrobot2015年，F(xiàn)anuc在國(guó)際機(jī)器人展覽會(huì)上展示了一個(gè)可以自學(xué)習(xí)的機(jī)器人，

自主Fig.1-2Self-l

AlphaGo學(xué)習(xí)過(guò)程

【參考文獻(xiàn)】：
期刊論文
[1]在書(shū)寫(xiě)任務(wù)中的基于軌跡匹配的模仿學(xué)習(xí)[J]. 于建均,門(mén)玉森,阮曉鋼,徐驄馳.  北京工業(yè)大學(xué)學(xué)報(bào). 2016(08)
[2]基于Kinect的Nao機(jī)器人動(dòng)作模仿系統(tǒng)的研究與實(shí)現(xiàn)[J]. 于建均,門(mén)玉森,阮曉鋼,趙少瓊.  智能系統(tǒng)學(xué)報(bào). 2016(02)

碩士論文
[1]擬人機(jī)器人實(shí)時(shí)運(yùn)動(dòng)模仿研究[D]. 張明.南京郵電大學(xué) 2019
[2]基于Kinect骨骼數(shù)據(jù)的人體動(dòng)作識(shí)別方法研究[D]. 李佩.鄭州大學(xué) 2017
[3]基于軌跡匹配的模仿學(xué)習(xí)在類(lèi)人機(jī)器人運(yùn)動(dòng)行為中的研究[D]. 門(mén)玉森.北京工業(yè)大學(xué) 2016



本文編號(hào)：3525568