【摘 要】
：
动作识别在人机交互、视频监控、医疗护理等领域有着广泛的应用前景。骨架序列是一种简洁的动作表示,是动作识别算法的重要数据形式。骨架动作识别任务的主要难点在于人体运动模式的复杂性导致较大的类内差异性。例如由于个人习惯的不同,不同的人执行同一动作存在着一定的差异,即使同一个人在不同时间或地点做同一种动作也不完全相同。另外,观察角度的变化可能对动作识别的准确性产生负面影响,且关节坐标估算也存在一定误差。为
论文部分内容阅读
动作识别在人机交互、视频监控、医疗护理等领域有着广泛的应用前景。骨架序列是一种简洁的动作表示,是动作识别算法的重要数据形式。骨架动作识别任务的主要难点在于人体运动模式的复杂性导致较大的类内差异性。例如由于个人习惯的不同,不同的人执行同一动作存在着一定的差异,即使同一个人在不同时间或地点做同一种动作也不完全相同。另外,观察角度的变化可能对动作识别的准确性产生负面影响,且关节坐标估算也存在一定误差。为此,本文针对人体骨架动作识别任务,提出一种强稳健的深度网络模型,其包含有多局部随机敏感的自编码器、注意力机制和长短期记忆模型（Multi-Localized Sensitive Autoencoder-Attention-LSTM,简称Multi-Li SAAL）。该方法首先将骨架分为躯干、左右臂和左右腿五个部分,然后利用五个基于局部随机敏感自编码器（Localized Stochastic Sensitive Autoencoder,简称Li SSA）分别处理这五部分的数据,对其空间和时间信息进行编码,并从中提取有意义的特征。Li SSA通过最小化局部泛化误差来降低其对具有微小输入扰动的敏感度,以增强自编码器的稳健性,可有效降低噪声对动作识别的不利影响。其次利用注意力机制为骨架各部分的特征分配不同的权重,并且更多地关注包含重要信息的部分,自动地聚焦于更能辨识动作的部位。最后,通过多层双向LSTM和全连接分类器将加权求和融合的特征作为输入来区分动作。在五个公共数据集上的实验结果表明,Multi-Li SAAL优于主流方法,证明Li SSA可以有效地增强模型稳健性,注意力机制更加关注于骨架的重点部位。
其他文献
增量学习又称持续学习或终生学习,是指学习模型能不断学习新数据,处理新任务,同时学习模型还被要求不能忘记之前学习过的知识。在未来的学习系统中,增量学习有着相当重要的地位。因为它有效地利用了资源,消除了在新数据到达时需要从头开始重新训练的麻烦。另外它通过限制存储所需的数据量减少了内存的使用。这样的学习模式也更像人类对新事物的学习方式。增量学习面对的主要挑战是灾难性遗忘,即学习模型更关注新数据,而忘记了
望诊是中医医疗体系中的一个重要组成部分,它是一种非侵入式的、有效的诊断方法。它可以根据人体表征,例如舌头、面部等体征信号,来推断人体的健康状况,这使得基于中医体征图像进行自动化辅助诊断成为可能。另一方面,深度神经网络在图像处理上具有优异的性能,目前被广泛应用于医学图像分析。然而,目前的深度医学图像分析主要集中在CT、病理等西医医学图像上,对于中医医学图像的建模还处于初步发展阶段。同时,由于中医医学
随着空管新技术领域水平的提高,新一代空管系统的应用,我国民航运输规模的逐渐扩大,民航的需求量逐渐增长,管制员的压力、工作、心理压力在逐渐增大。动态变化的趋势在空中交通与地面信息中有很大的影响,管制员需要充分处理更多的动态信息,如空域和地面,不断做出决策,确保起飞和降落飞机的安全,这要求管制员拥有良好的情境意识,而情境意识水平低的情况,容易造成“错误与遗漏”。因此,要研究管制员的情境意识是很重要的。
随着云计算技术的发展,云计算被部署在现实生活的各种应用中,越来越多的企业和个人选择将自己的数据存放在云服务器上。但是,如果直接以明文的形式将数据存储于云服务器中,那么当云服务器遭到黑客攻击,或云服务提供商进行非法操作时,将会导致用户隐私泄露。可搜索加密技术使得数据拥有者可以先对数据进行加密,然后将密文上传至云服务器。数据使用者对检索关键词生成陷门,通过陷门对加密的数据进行检索,这个过程中不会泄露数
当前,管制员的差错行为仍是造成航空器不安全事件的主因之一,目前针对管制员差错行为的研究存在缺少系统方法、机理研究不全面等问题,不利于科学地对管制员的差错行为进行管理。研究管制员差错行为的影响因素及其作用机制有利于提高安全管理的针对性,促进安全公正,减少安全隐患。本文通过研究管制员的工作流程及其特征确定了管制员差错行为的类型;基于TRACEr模型及文献参考识别了影响管制差错行为的内部因素;基于SHE
智慧城市和智慧交通概念的提出和发展,给城市的智能交通控制带来了更高的要求。提高城市交通运输枢纽的通行效率和智能化水平成为了推进智慧交通的重点之一。因此,交通信号灯配时优化问题（Traffic Signal Timing Optimization,TSTO）得到了越来越多研究人员的关注。传统的信号灯配时方案一般仅具备解决交通流冲突的能力,并不能找到最优方案以提高交叉路口的通行效率。随着城市的发展,过
平面叶栅试验器是研究压气机内部流动和叶型气动性能的基础设施,然而,现有试验器测得的试验数据会因试验器的流场品质缺陷存在较大差异,因此,有必要深入研究平面叶栅试验器流场品质改进措施,以及相应的流场品质评价方式。本文结合平面叶栅试验器的结构特点,利用数值模拟方法研究了不同措施对试验器流场品质的改善效果,并依据不同措施的流场表现探讨了平面叶栅试验应满足的流场品质要求。首先,试验器流场品质受附面层和上侧通