智能空間中人的行為識別與理解.pdf

1、目前許多國家已進入老齡化社會,對獨居老人的監(jiān)護和陪伴已成為突出的社會問題,各國把智能服務機器人的開發(fā)作為應對這一問題的重要策略之一。正確識別和理解人的行為是服務機器人給人提供相應服務的前提。目前對基于視覺的行為識別和理解的研究尚處于初級階段,人體行為模式的多樣性和家庭環(huán)境的復雜性使之成為一個極富挑戰(zhàn)性的課題。就目前機器人的發(fā)展水平而言,僅僅依靠機器人自身有限的感知和計算能力難以完成“在正確識別和理解人的行為基礎上提供恰當服務”這樣復雜的

2、任務,必須借助其他手段。為此,本文提出了以基于視覺的方法為基礎、結合智能空間技術實現(xiàn)對人行為的識別和理解的方法。對智能空間中人的行為的正確識別和理解使機器人對獨居老人的監(jiān)護和陪伴成為可能。因此,對智能空間及智能空間中行為識別和理解的研究具有重要的理論和實際意義。
　　 本文對智能空間中行為識別和理解所包含的五個主要方面進行了研究與探討:“面向理解和服務的智能空間”(Intelligent Space for Understand

3、ing andService,簡稱ISUS)的設計與搭建,運動目標的檢測與跟蹤,日常動作識別,異常動作識別,行為認知和意圖識別。首先,研究了ISUS的搭建。ISUS既是人活動的物理空間,又是能夠感知人的活動、給人提供服務的智能空間。在行為識別和理解的研究過程中,需要用到ISUS中的視覺和其他相關信息。因此,ISUS是后續(xù)研究的基礎；然后,研究了以家庭環(huán)境中獨居老人的監(jiān)護為背景的目標檢測和跟蹤,實現(xiàn)了家庭環(huán)境中對目標的準確檢測和實時跟蹤,

4、此為目標動作識別中特征提取的前提；在正確檢測出目標并對目標進行實時跟蹤的基礎上,對常見日常動作和異常動作的識別進行了研究。日常動作的正確識別是行為認知和意圖識別的基礎,而通過對異常動作的有效識別可判斷被監(jiān)護者是否有異常狀況發(fā)生；最后,研究了智能空間中目標的行為認知和意圖識別,實現(xiàn)了對正常行為的認知和意圖識別以及對常見反常行為的識別。在此基礎上,智能空間可根據(jù)識別結果直接或者間接給人提供相應的服務。主要研究內容和結果概括如下:
　　

5、 (1)針對iSpace(Intelligent space)服務效率低的問題,提出了ISUS的概念和執(zhí)行分布的思想,有效提高了服務效率,降低了機器人的負擔；從智能空間標準化的角度進行研究,設計了ISUS的分層體系結構,從而使整個系統(tǒng)更加緊湊清晰,便于ISUS的搭建和任務分配；在對ISUS的組成單元進行研究、設計的基礎上,搭建了智能空間,然后針對智能空間如何有效完成“理解和服務”這一核心任務進行了任務分解和規(guī)劃,最后介紹了ISUS所能

6、實現(xiàn)的功能并剖析了ISUS中的信息流結構。
　　 (2)針對智能空間的環(huán)境特點,改進了高斯混合模型(GMM)運動檢測算法,提高了模型及時反映背景變化的能力,從而改善了目標分割的效果；對均值漂移算法(Mean Shift算法)進行了改進,提出了適合本環(huán)境的模板和目標尺度更新策略,并結合卡爾曼濾波提高了跟蹤的魯棒性；采用智能空間中的無線傳感網(wǎng)絡技術和視覺技術相結合的目標跟蹤方法,解決了跟蹤過程中目標的嚴重遮擋或目標暫時離開攝像機視野

7、范圍后的重新獲取以及多攝像機目標跟蹤中目標匹配、交接困難的問題,實現(xiàn)了多攝像機對目標的接力跟蹤。
　　 (3)人體動作識別是行為認知和意圖識別的基礎,基于視覺的動作識別的實質是有效特征的選擇問題,好的特征不僅能夠有利于行為識別而且能夠減少識別的計算量。針對利用目前常用特征難以提高動作識別準確性的問題,本文提出了利用人體動作序列的輪廓特征識別人的日常動作的方法,有效提高了動作識別的準確率。但是,這種方法對目標分割的要求很高,易受目

8、標分割結果的影響。為此,提出了直接利用人體動作序列的側影特征作為動作識別特征的方法,提高了識別的準確性和可靠性。
　　 (4)對常見異常動作的識別進行了研究,主要研究了跌倒、異常步態(tài)和異常行走狀態(tài)的識別。在跌倒識別方面,針對已有方法難于區(qū)分跌倒和正常躺下的問題,提出了一種新的跌倒識別算法,在識別過程中利用了跌倒的靜、動態(tài)特性,同時考慮了人在智能空間中的位置、身體狀況等信息,提高了跌倒識別的準確性；與目前常用步態(tài)特征實現(xiàn)身份識別不

9、同,本文通過對異常步態(tài)的識別來推斷人是否有異常狀況發(fā)生。為此,根據(jù)人的步態(tài)特點,定義了能實時描述步態(tài)變化的參數(shù),據(jù)此實現(xiàn)了對異常步態(tài)的識別；最后通過對行走軌跡的判斷實現(xiàn)了對異常行走狀態(tài)的識別。
　　 (5)行為認知和意圖識別是行為識別和理解的高層處理階段。首先對人在智能空間中的定位進行了研究,針對基于身高模型的定位不能解決當人的姿態(tài)變化時會產生定位錯誤的問題,提出了身高模型和姿態(tài)識別相結合的定位方式,消除了人體姿態(tài)變化對定位準確

10、性的影響。然后,通過定義的位置置信度系數(shù)實現(xiàn)了多攝像機定位結果的融合,進一步提高了定位精度；在實現(xiàn)對人定位的基礎上,研究了對正常行為的認知和對反常行為的識別。在對正常行為的認知和意圖識別中,提出了智能空間關鍵點的概念,對智能空間中的關鍵點和區(qū)域進行了定義。在此基礎上提出了地點驅動的行為認知算法,把關鍵點與其屬性相聯(lián)系,實現(xiàn)了對人意圖的識別；在反常行為識別方面,提出了通過分析人在關鍵點之間的活動路線識別人是否有反常狀況發(fā)生的方法；提出了關