《基於屬性學習和運動語義模型的人體新行為推理》是依託大連理工大學,由王禕擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於屬性學習和運動語義模型的人體新行為推理
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：王禕
項目摘要,結題摘要,
項目摘要
日常環境中準確的人體行為識別在自然人機互動、智慧型監控和機器人等領域有非常廣泛的套用前景。由於人體行為類別數量較多，尤其還可能存在未具訓練樣本的行為，使得基於傳統機器學習類行為識別方法難以在實際中得到廣泛套用。本課題擬深入研究屬性學習的理論和方法，從行為的運動與其語義屬性相融合的角度展開零訓練樣本的新行為推理和描述的研究，並同時解決視角變化、遮擋、觀測不全等問題。對於人體海量多因素的運動數據，採用層次化分解思想進行人體部件級行為剖分，並在行為的低維嵌入空間拓撲構造時考慮運動語義信息，提出基於人體約束的行為語義運動模型及其增量更新算法；對於行為的描述，基於共享隱變數模型，提出多類別行為共享運動語義網模型。最後利用高效的機率採樣推理方法，聯合兩種模型給出新行為的合理語義描述。同時，本課題對運動和語義模型與機率估計研究中所提出的高效的線上學習算法，也可以推廣到其他複雜高維數據的模式識別問題。
結題摘要
本項目主要利用機器學習理論方法，以無標記人體行為識別與推理為研究對象，對異常檢測、零樣本類推理與流式數據的增量學習，進行了系統的理論研究。首先提出了基於流形學習的空中手寫漢字行為識別方法和人機互動系統。主要通過局部保形映射挖掘空中手寫漢字時人體肢體動作內部蘊含的幾何和統計特性，得到高低維特徵空間的顯式的映射矩陣，從而建立空中手寫漢字的高效識別模型，以此為基礎的套用系統是一種新型人機互動界面。提出基於無線信號CSI值的人體行為識別方法和系統，可以解決基於計算機視覺類的識別方法在遮擋、光線變化情況下效果差的問題，同時還具有私密性，尤其在老年人、病人監護，室內監控、安全保障等領域有較強實際套用性。提出了一種基於間接屬性預測模型的增量零樣本類學習框架IIAP/QR，首先提出一種基於零空間線性判別分析快速增量分類算法NLDA/QR，可以解決小樣本和採樣不均衡樣本問題，然後利用高效的機率推理算法，IIAP/QR模型可以有效地進行零樣本類的推理與更新。研究複雜流式數據的線上快速增量學習問題，提出基於QR分解的快速批量算法FLDA/QR和增量學習算法IFLDA/QR，可實時學習已知類別新樣本、新的類別樣本、以及前兩者混合數據流，該算法在保持現有算法的識別率基礎上，速度提高了2-10倍，該算法在線上學習、圖像視頻分類等領域具有較大套用前景。最後提出基於核零空間的快速異常檢測增量算法IKNDA，該方法在大數據集上比現有算法的檢測率有顯著提高。總之，本項目對當前機器學習領域的流形學習、屬性學習、增量學習、零樣本學習、小樣本學習等國際前沿、熱點問題進行了有益的探索，研究成果具有較強通用性，不但可以套用到人體行為的推理，也可推廣到一般物體的識別與分類問題中。
