论文部分内容阅读
服务机器人在复杂家庭环境下理解人的行为,是实现服务机器人人机交互和自主服务的重要基础。目前针对家庭环境下进行的人体行为理解研究,大多只局限于检测突发异常行为和反常习惯,而通用的人体行为识别方法更适用于结构化环境,直接应用于非结构化的家庭环境,会导致系统建模复杂、信息采集不方便、行为识别单一等问题。针对以上问题,本文以复杂的家庭环境为应用背景,对家庭环境下的人体行为理解问题展开研究,结合动作识别与物品识别,充分利用人物交互的思想,以本体为载体设计了家庭智能空间下基于语义分析的人体行为理解方法。构建家庭智能空间下人体行为本体库,实现了服务机器人对服务对象信息的实时获取和充分利用。该本体库把服务对象的相关信息在用户领域、环境领域中分别表示,选择使用关系数据库持久化本体作为存储方式,不仅实现了对服务对象信息的实时获取和充分利用,还可以对本体库中的知识进行高效查询,为家庭智能空间下基于语义分析的人体行为理解的实现奠定了基础。提出一种家庭环境下基于残差网络的人体动作识别方法,可以更准确地识别复杂家庭环境下的人体动作,创新点在于对数据集的前期处理和残差网络的应用。该方法通过基于高斯混合模型的背景相减法提取运动目标前景,使用残差网络自动学习数据集的动作特征训练人体动作识别模型,由于对数据集的前期处理和对深层网络有更好优化的残差网络结构的使用,使得该方法可以获得更好的识别效果。提出一种基于DSmT的物品融合识别算法,该算法针对目前提升深度模型分类表现的方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,创新点在于把经典的深度学习模型与DSmT理论相结合。该方法利用数据融合的思想,应用DSmT理论将来自不同深度学习模型提供的识别信息在决策层融合处理,采用门限值对比的方法对融合结果进行判断,对比实验结果证明,本方法有效地提高了物品识别成功率。提出家庭智能空间下基于语义推理的人体行为理解方法,创新点在于结合动作识别与物品识别并以本体为载体,在语义层次去实现人体的行为理解。该方法通过对动作识别与物品分类,利用JESS推理引擎把人体行为本体库的知识与SWRL人体行为规则匹配,将其组合生成多组短语,从语义层次实现较复杂的人体行为理解。与其他方法相比,该方法以本体为手段建模较简单,依托智能空间采集信息方便,更加侧重于人物交互,适用于复杂家庭环境下的单人行为识别,具有一定的场景识别能力,可以较准确详细的对关键帧中人的多种行为进行识别与理解。