基于视觉的人体行为识别方法的研究

发布时间：2021-04-01 18:42

　　随着人工智能技术的发展,人体行为识别成为机器人视觉领域的重要研究方向之一,被人们广泛应用于安防监控系统、医疗诊断监护、人机交互等领域。如何使得机器人能够识别人体的不同行为是服务于人的前提条件,现实中人体的不同行为必然会受到各种环境因素的影响,使得机器人准确识别人体不同的行为成为一个值得研究的方向。本文围绕着人体行为的识别任务展开一系列研究。简要介绍了人工智能在人体行为识别方面的研究状况、应用和前沿问题,分别从底层的目标检测与识别算法,人体关键点的特征提取,人体行为识别模型的设计,高层的目标检索与人体姿态的定性时空关系表示,人体行为的潜在表示等方面进行深入研究。本文的主要内容如下:（1）为了提高目标检测与识别和人体关键点检测与识别的精度,采用IoU的方法作为衡量目标检测精度的性能指标,并对IoU方法进行了推广和改进,重新设计了神经网络结构,利用不同的数据集作为数据样本进行训练研究。在人体关键点特征提取的研究中,采用了自下而上的特征提取方法,实验证明,基于重新设计的神经网络结构和特征提取的算法,能够适应人体关键点的特征提取。与其它模型对比,本文实施的方法不仅提高了目标检测与识别和人体关键点... 

【文章来源】：青岛科技大学山东省

【文章页数】：97 页

【学位级别】：硕士

【部分图文】：

服务机器人Fig.1-1ServiceRobot

青岛科技大学研究生学位论文72基于改进的神经网络算法的目标检测与识别2.1目标检测与识别概述在视觉这一研究领域，对于人体信息的捕获以及对目标的检测与识别在整个人工智能领域扮演着极其重要的角色。现实中的事物纷繁复杂，人们有时候很难辨别出目标的具体特征。因此，人类思考是否可以利用机器代替人类去实现人类想实现的功能，而计算机通过模拟人脑（生物神经网络）就可以用比较简单的模型来表示复杂概念，从而进一步对目标进行检测与识别。采用的算法体系是以机器学习、深度学习为代表的人工神经网络（artificialneuralnetwork）算法为核心的算法体系。对于目标的图像检测与识别少不了的一门学科便是深度学习，深度学习这一基础学科在视觉中发挥着越来越重要的作用，越来越多的公司和科研院所开始从事深度学习这一领域的研究。本章采用深度学习的方法对目标检测进行研究。2.2目标检测与识别的主要思想在本文研究中，同其它采用基于深度学习方法的目标检测与识别的思想大体一样，只不过在本阶段，为了提高目标检测与识别的性能，将目标检测的性能指标IoU进行了适当改进和推广，对卷积神经网络的结构进行了改进。使用改进后的卷积神经网络算法模型进行训练，得到了一个比其它卷积神经网络模型算法效果更好的检测与识别的网络模型。主要流程示意图如图2-1所示。图2-1目标检测与识别流程图Fig.2-1ObjectDetectionandRecognitionFlowchart

交并比Fig.2-2Intersection-over-Union,

【参考文献】：
期刊论文
[1]代际经济支持健康效应检验[J]. 刘西国.  西北人口. 2016(01)



本文编号：3113804