基于机器学习的人形机器人识别与模仿人体动作方法研究

摘要

人形机器人具有与人类相对应的“视觉”、“听觉”、“触觉”与“情感”，能与人类进行交互，和人类协同作业，研究如何让人形机器人高效地与人类进行交互并为人类服务显得意义深远。基于视觉的人机交互符合人类的交流习惯，能提升人机交互体验，研究寻求训练过程更简单、识别效果更精确的方法是当前研究热点，而机器学习方法为人机交互和计算机视觉问题研究提供了确切可行的解决方案，本论文由此出发，基于机器学习工具，对人形机器人识别与模仿人体动作方法进行研究。
　　本文整理归纳了机器学习分类与典型算法、人体动作特征表示方法和动作识别方法等研究成果，并在此基础上提出联合特征表示方法和动静结合人体动作识别方法，最后在NAO机器人实验平台上通过坐标信息和关节点信息计算进行动作模仿，主要工作包括:
　　(1)采用基于概率统计的背景差分法进行静态背景和缓慢变化背景下的目标检测，得到前景目标后通过camshift算法进行跟踪，输出前景目标人体连通区域与XY平面位置信息。
　　(2)利用Hu不变矩的旋转、平移和尺度不变性，提出一种整体相对几何特征与Hu不变矩相融合的人体特征表示方法。在前景目标轮廓信息的基础上，选取长宽比、矩形比、面积与凸起面比、周长与凸起周长比、球状特性率、内外圆形比、自身偏心率和形状参数8项整体相对几何特征，联合Hu不变矩一起表示人体特征，这种联合特征包含了丰富的人体轮廓信息，能有效表达人体动作，提高识别效率。
　　(3)采用机器学习中的判别式模型SVM分类器作为动作识别的分类模型，提取联合特征后进行站立、坐下与挥手三种动作识别，再结合camshift跟踪得到的目标XY平面位置信息识别行走动作。
　　(4)将动作识别结果和坐标信息导入NAO机器人模块实现站立、坐下与行走动作模仿，提出基于人体轮廓信息的关节点弧度计算方法，导入NAO机器人实现挥手动作模仿。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究来源与背景意义

1．2 人形机器人发展概况

1．2．1 国外发展概况

1．2．2 国内发展概况

1．2．3 人形机器人特点

1．2．4 人形机器人模仿人体动作

1．3 本文主要工作

1．4 论文结构安排

第2章 相关理论与研究

2．1 机器学习

2．1．1 机器学习的定义

2．1．2 机器学习的发展历史与现状

2．1．3 机器学习的分类

2．1．4 基于机器学习的模式识别算法

2．2 人体动作识别

2．2．1 人体特征表示

2．2．2 动作识别方法

2．2．3 识别影响因素

2．3 本章小结

第3章 目标检测与跟踪

3．1 目标检测方法

3．1．1 光流法

3．1．2 帧间差分法

3．1．3 背景差分法

3．2 基于概率统计的背景差分法

3．2．1 背景图像提取

3．2．2 前景检测

3．2．3 背景图像更新

3．2．4 后续处理

3．3 目标跟踪

3．3．1 核密度估计

3．3．2 meanshift算法

3．3．3 camshift算法

3．4 实验结果与分析

3．5 本章小结

第4章 联合动作特征提取

4．1 关键帧提取

4．1．1 覆盖率

4．1．2 失真率

4．2 联合特征提取

4．2．1 整体相对值特征

4．2．2 Hu不变矩

4．2．3 联合特征

4．3 实验结果与分析

4．4 本章小结

第5章 动作识别与模仿

5．1 SVM分类器

5．1．1 线性可分情况求解

5．1．2 线性不可分情况求解

5．1．3 多类分类问题

5．2 动静结合动作识别方法

5．3 机器人模仿

5．3．1 NAO机器人

5．3．2 NAO机器人结构与模块调用

5．3．3 NAO机器人坐标系统与转换

5．3．4 关节点弧度计算

5．4 实验结果与分析

5．5 本章小结

结论

参考文献

致谢