基於動態三維感測器網路的分散式人體行為意圖識別

《基於動態三維感測器網路的分散式人體行為意圖識別》是依託山東大學，由劉國良擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於動態三維感測器網路的分散式人體行為意圖識別
• 項目類別：青年科學基金項目
• 項目負責人：劉國良
• 依託單位：山東大學

中文摘要

自主識別人的行為可以讓機器人和智慧型設備更加聰明的判斷人的意圖，從而提供因人行為而異的個性化智慧型服務，因此該技術的研究具有重要的科學意義和社會意義。隨著近年RGBD三維感測設備的快速發展，人體行為識別技術呈現出了從二維感知到三維感知的發展趨勢。但目前，單一三維感測器感知範圍的局限性影響了其對人體的精確建模和全面感知，而利用多個三維感測器組成靜態感測網路對人體行為進行協同感知的研究還停留在集中式信息處理階段，具有較高的頻寬需求、較低的網路擴展能力和容錯能力。另外，靜態感測器缺少移動執行能力，無法對移動的人體目標近距離觀測和提供個性化服務。針對這兩大問題，本課題通過構建由靜態三維感測器網路和移動機器人組成的分散式動態三維感測網路，深入研究分散式人體骨架關節點精確估計、分散式多目標數據關聯、分散式人體行為意圖識別和機器人任務協作，實現對人體行為更全面的感知，以便機器人為人提供更優的智慧型化服務。

結題摘要

項目負責人在研期間緊密圍繞資助項目計畫書的研究內容和時間安排開展相關工作，主要研究了人體姿態骨架關節表示及其提取方法、分散式信息一致性濾波、基於分散式RGBD視覺感測網路的人體骨架關節信息多視角融合、人體骨架關節運動估計、分散式行為識別、分散式多人體目標數據關聯、機器人協同觀測等內容。在研期間，共發表SCI/EI論文17篇，申請或授權國家發明專利13項。提出了基於緊密級聯沙漏網路的人體骨架關節提取方法，可以在保證精度前提下，較大幅度降低網路參數。提出了分散式動態混合一致性濾波，比分散式信息一致性加權濾波有更快的收斂率。提出了基於分散式信息一致性濾波和動態混合一致性濾波的多視角人體骨架關節信息融合機制，可顯著解決遮擋問題，提高姿態估計精度。提出了基於互動多模型的人體骨架關節跟蹤方法，可利用多個運動模型對關節點的隨即運動進行估計。提出了融合深度視覺表象特徵和空間多視角軌跡的多目標數據關聯方法，實驗驗證比前沿算法有較優的性能。提出了基於深度學習的場景全解析度深度預測，可用於三維關節點重構。提出了基於動態目標狀態估計的機器人智慧型避障方法，可有效應對人機共存環境中的潛在碰撞危險。提出了基於語義信息動態目標去除的視覺SLAM方法，可改善機器人定位和地圖構建精度。以上研究成果對促進人機自然互動和協作，保障該過程中的安全性有重要參考價值和科學意義。