论文部分内容阅读
人工智能是对人的意识、思维的信息过程的模拟。自诞生以来,人工智能理论和技术日益成熟,应用领域也不断扩大。AlphaGo完胜李世石后,人工智能引起全世界人民的关注。作为计算机科学的一个分支,人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、人体姿势识别、语言识别、图像识别、自然语言处理和专家系统等。 人体姿势识别作为人工智能中一个重要的研究方向,在医疗、监控、人机交互等方面极具广阔的应用前景。但目前人体姿势识别的研究存在以下的问题: 1、用于人体姿势识别的硬件设备存在现实问题。目前用于研究人体姿势识别的方式主要是视频的人体姿势识别和传感器的人体姿势识别两种。通过视频设备捕获人体运动图像信息容易受到外界环境如光照、人体行动的范围、遮挡问题等因素的干扰,不适用于持续、精准的人体姿势识别。通过携带式传感器获取人体运动数据需要用户时时刻刻佩戴在身上,这种方式虽然能精准获取人体运动信息,但不方便用户运动。 2、用于研究人体姿势识别的方法单一。近年来对人体姿势识别的研究主要停留在对算法的改进层面上。但在不同场景下人体姿势进行识别的所需要用到的方法不尽相同,如果只是从算法层面去解决问题效果也许会南辕北辙。 为解决上述问题,本文从生物力学的角度,根据人体生理结构和肢体运动规律,对人体姿势进行结构化表示,即每一个完整姿势由一系列原子运动组合而成。在自然语言规则的基础上,使用静态贝叶斯算法对肢体原子运动组建概念空间,从而识别出人体姿势。主要研究内容如下: 1、研究特征提取方式:通过Kinect传感器获取人体深度图和骨架信息,研究人体关节点活动度测量方法,提取运动流特征数据。 2、人体姿势结构化表示:根据人体姿势运动特点,提取出支撑人体姿势变化的主要关节点。使用向量表示能发生姿势变化的两个关节点间的关系,不同向量构成人体姿势的原子运动。 3、研究姿势识别方法:通过静态贝叶斯算法,组建原子运动的概念空间。根据自然语言规则,对人体姿势进行语义描述,从而对人体运动姿势进行识别。 实验表明,对人体姿势结构化表示及采用姿势语义化的识别方法能解决当前姿势识别研究领域的盲点,达到预期效果。