检索结果-南通市图书馆

计算机工程与设计 2021年第10期42卷 2924-2930页

作者：董琪琪刘剑飞郝禄国高星曾文彬河北工业大学电子信息工程学院天津300401 广东工业大学信息工程学院广东广州510006 广州海昇计算机科技有限公司研发部广东广州510663

为加强智慧教室中教学视频信息的有效运用,针对现有SSD算法的不足,提出改进SSD算法进行学生课堂行为状态识别的方法。结合K-means聚类算法对数据集进行聚类分析,在SSD网络预测层重新设置预测框比例及分布,增大训练时预测框和真实框的匹... 详细信息

为加强智慧教室中教学视频信息的有效运用,针对现有SSD算法的不足,提出改进SSD算法进行学生课堂行为状态识别的方法。结合K-means聚类算法对数据集进行聚类分析,在SSD网络预测层重新设置预测框比例及分布,增大训练时预测框和真实框的匹配度;引入目标检测焦点损失函数,保证正负样本及难易分类样本的平衡。在自制的听讲、睡觉、举手、回答及写字5种学生行为状态数据集上进行训练和测试,实验结果表明,改进的SSD算法对5种学生行为状态识别的平均精度均值达到95.4%,比原SSD算法提高了10.2%,同时适用于实时检测。

关键词：智慧教室 SSD算法 K-means聚类焦点损失行为状态识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的课堂低头抬头行为状态识别与应用

基于深度学习的课堂低头抬头行为状态识别与应用

引用

作者：朱朝华中师范大学

学位级别：硕士

近年来,基于卷积神经网络的深度学习算法在文本处理、语音识别、图像视频分析、计算机视觉等多个领域都获得了巨大的成功,特别是在图像识别领域当中,基于深度学习的图像分类与检测技术在大量具体、专业的研究场景下开始发挥着重要的作... 详细信息

近年来,基于卷积神经网络的深度学习算法在文本处理、语音识别、图像视频分析、计算机视觉等多个领域都获得了巨大的成功,特别是在图像识别领域当中,基于深度学习的图像分类与检测技术在大量具体、专业的研究场景下开始发挥着重要的作用。例如,相关研究者在植物学领域通过区域选取和特征学习来实现花卉分类以及在各种自动安防、智能交通、自动驾驶等领域对车辆和行人进行检测等。而利用深度学习技术在视频场景当中对人体行为进行识别是当前计算机视觉领域的研究热点之一,近年来得到了学术界及工程界的广泛重视,人体行为识别相关技术在智能监控、人机交互、虚拟现实和基于内容的视频检索与解说等方面有着广泛的应用前景和潜在的经济价值。同时,在课堂场景中,识别学生的课堂行为对学生的学习状态、学习质量以及教师教学效果的评价具有重要的参考意义。本文将深度学习技术应用到大学课堂场景当中,从学生低头抬头的角度出发,对学生进行检测并识别其行为状态,本文主要的工作包括如下几个方面:首先对国内外的深度学习相关技术以及行为识别相关理论进行梳理,结合大学课堂特定场景下的特点以及各种算法的优劣,提出将深度学习技术应用到大学课堂场景当中进行行为识别,并通过详细介绍深度学习相关理论,为深度学习技术应用在具体场景当中奠定了基础。其次,从课堂视频整体的角度出发,识别所有学生课堂的低头抬头行为状态从而得到每堂课的抬头率。具体做法是:选择检测效果最好的Faster R-CNN算法,并与根据数据集特点来修改Anchor大小后的算法进行对比,提取视频帧后对课堂的低头抬头状态进行识别。实验结果表明,修改参数后的Faster R-CNN算法收敛速度更快,且能够准确的检测到学生并识别其低头抬头状态。在此研究基础上,我们可以得到每堂课的抬头率变化以及一段时间内的平均抬头率。再次,从课堂中每个学生的角度出发,识别每个学生低头抬头的具体行为。具体做法是:首先定义好每个学生低头抬头行为状态的类别,并制作好相关数据集,然后选择检测效果与识别速度比较理想的Yolo-v3算法将学生序列进行提取,利用ResNet算法对提取到的学生进行行为状态分类。结果发现,在大学课堂场景下,能够提取到视频中的大部分学生的行为序列并识别其行为,从而得到相关学生的行为状态变化。最后,在前面研究的基础上,将整个课堂的低头抬头行为识别和每个学生的行为状态识别结合在一起,计算每个算法进行识别所需要花费的时间,以及通过界面可视化,实现基于深度学习的课堂低头抬头行为状态识别与应用系统,并对相关方法和存在的问题进行总结。

关键词：深度学习目标检测图像分类低头抬头识别行为状态识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

利用CNN实现室内人行/车行定位方法切换下的行为状态识别

引用

测绘地理信息 2020年第3期45卷 70-74页

作者：顾芷宁吉福龙呙维朱欣焰郭艳武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 地球空间信息技术协同创新中心湖北武汉430079 国网思极神往位置服务(北京)有限公司北京102200

不同运动状态的语义信息,可以为室内定位提供更加丰富的参考从而进一步辅助并提高定位的可用性和高精度性。本文以此为出发点,获取语义信息并基于CNN(convolutional neural network)来识别目标体当前的状态行为(选取4种状态:静止、车行... 详细信息

不同运动状态的语义信息,可以为室内定位提供更加丰富的参考从而进一步辅助并提高定位的可用性和高精度性。本文以此为出发点,获取语义信息并基于CNN(convolutional neural network)来识别目标体当前的状态行为(选取4种状态:静止、车行、步行和其他),进而为室内定位提供依据不同运动状态实现相应定位切换的方法。以武汉大学某地下停车场为研究区,结果表明,与SVM(support vector machines)相比,基于CNN实现行为状态识别能取得更好效果。本研究对室内环境下对所有目标使用单一定位算法实现定位的思想进行了拓展,将室内定位和情景语义进行结合,使得面向用户的定位服务更加智能化、情景化。

关键词： CNN SVM 行为状态识别室内人行/车行定位算法切换

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

小兴安岭南麓野猪春冬季行为状态的生境选择

引用

生态学报 2024年第3期44卷 1067-1078页

作者：顾佳音王巍郭晓艺姜广顺东北林业大学野生动物与自然保护地学院哈尔滨150040 国家林业和草原局猫科动物研究中心哈尔滨150040

野猪(Sus scrofa)造成的人兽冲突是我国目前野生动物管理中急需解决的问题之一,但往往管理成本高,却效果甚微。了解野猪觅食、卧息等重要行为状态的生境选择规律,对科学管理策略的制定及避免人兽冲突极为重要。以小兴安岭南坡农林混交... 详细信息

野猪(Sus scrofa)造成的人兽冲突是我国目前野生动物管理中急需解决的问题之一,但往往管理成本高,却效果甚微。了解野猪觅食、卧息等重要行为状态的生境选择规律,对科学管理策略的制定及避免人兽冲突极为重要。以小兴安岭南坡农林混交区域的野猪(5只雌性,8只雄性)为研究对象,基于其2019—2022年春冬季卫星定位项圈追踪数据,运用隐马尔科夫模型(HMM)识别野猪觅食、卧息和移动的三种行为状态,然后用步选择函数(SSF)研究这三种行为状态的生境选择。结果表明:野猪觅食、卧息和移动的生境需求不同,但均回避落叶针叶林,且性别差异明显,雌性野猪回避农田;地形是影响雌性野猪春季和雌雄野猪冬季三种行为状态生境选择的主要因子,地形和植被类型是影响雄性野猪春季三种行为状态生境选择的主要因子;雌性野猪,在春季,选择海拔高、坡度小的生境卧息、觅食及移动,且卧息和觅食均偏爱阴坡,冬季则选择海拔高,坡度大的阳坡卧息及觅食,偏爱在混交林和阳坡移动;雄性野猪,在春季,选择在混交林和坡度大的阴坡卧息,在混交林、落叶阔叶林和海拔低的区域觅食,在落叶阔叶林、常绿阔叶林内、海拔低、坡度小和距河流近的区域移动,在冬季,选择坡度大、海拔高、接近河流的阳坡卧息,在距河流近、坡度小的区域觅食,在常绿阔叶林、坡度小和距河流近的阳坡移动。本研究结果可为该区域的野猪毁田的预测和预警,捕获地点的选择等管控措施的制定提供依据和新思路。

关键词：野猪卫星定位跟踪生境选择步选择函数行为状态识别

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

小兴安岭南麓野猪冬春季行为节律及其生境选择研究

小兴安岭南麓野猪冬春季行为节律及其生境选择研究

引用

作者：王巍东北林业大学

学位级别：硕士

在我国,野猪(Sus scrofa)造成的人兽冲突日益加重,并导致严重的经济损失和生态系统破坏。了解野猪觅食、卧息等重要行为状态的生境选择特征及时间发生规律对科学管理策略的制定及避免人兽冲突极为重要。本研究基于2019-2022年小兴安岭南... 详细信息

在我国,野猪(Sus scrofa)造成的人兽冲突日益加重,并导致严重的经济损失和生态系统破坏。了解野猪觅食、卧息等重要行为状态的生境选择特征及时间发生规律对科学管理策略的制定及避免人兽冲突极为重要。本研究基于2019-2022年小兴安岭南坡13头野猪(5雌8雄)春季和冬季的卫星定位跟踪数据,结合隐马尔科夫模型(Hidden Markov Model,HMM)以及步选择函数(Step Selection Function,SSF)对野猪觅食、卧息、迁移三种行为状态的生境选择、日行为节律及时间分配进行了分析,探讨了自然环境以及人为景观等因素对野猪特定行为状态生境选择及行为节律的影响。研究结果如下:1.通过野猪的移动轨迹可以识别出三种主要的行为状态:一种是短步长,其中雌性春季平均步长为19.9±0.4 m,冬季平均步长为21.7±0.3 m,雄性春季平均步长为18.0±0.2m,冬季平均步长为13.0±0.2 m,大转弯角接近π/-π的状态,定义为卧息;一种是短到中长步长,其中雌性春季平均步长为64.3±1.6 m,冬季平均步长为87.2±1.6 m,雄性春季平均步长为132.1±1.9 m,冬季平均步长为122±2.6 m,大转弯角接近π/-π的状态,定义为觅食;一种是长步长,其中雌性春季平均步长为320±16.2 m,冬季平均步长为327.6±8.0 m,雄性春季平均步长为394.4±7.5 m,冬季平均步长为371.0±8.6 m转弯角度更集中在0度的状态,定义为迁移。2.雌性野猪春季表现出夜间及清晨卧息,白天觅食,黄昏迁移的行为模式;冬季表现出夜间卧息,白天觅食,黄昏迁移的行为模式;雄性野猪春季表现出白天卧息,黄昏迁移的行为模式,一天中最频繁发生的行为是觅食行为;冬季表现出夜间及清晨卧息、下午觅食迁移的行为模式。经H检验发现雌雄野猪春季和冬季三种行为状态在不同时段发生频率均存在显著差异(p行为的发生频率均较高,雌性野猪冬季觅食行为的发生频率大部分时间均大于雄性野猪,日出和日落对野猪各行为状态的发生有影响。3.在春季,雌性野猪卧息和觅食时均偏爱选择在海拔高、坡度小的阴坡,而迁移时偏爱在海拔高,坡度小的区域;雄性野猪卧息行为状态偏爱在混交林内,坡度大的阴坡,觅食时偏爱混交林或落叶阔叶林内,海拔低的区域,迁移时偏爱在落叶阔叶林、常绿阔叶林内,海拔低、坡度小距河流近的区域;在冬季,雌性野猪卧息和觅食时均偏爱选择在海拔高、坡度大的阳坡,迁移时偏爱在混交林内的阳坡;雄性野猪卧息时偏爱选择坡度大、海拔高、接近河流的阳坡,在觅食时偏爱距河流近、坡度小的区域,迁移时偏爱常绿阔叶林内,坡度小、距河流近的阳坡。综合来看,地形是影响雌性野猪春季和雌雄野猪冬季三种行为状态生境选择的主要因子,地形和植被类型是影响雄性野猪春季三种行为状态生境选择的主要因子。研究结果为野猪入侵区域的预测和预警、捕获地点的选择等具体管控措施提供参考,为提高野猪管理措施的有效性提供新思路。

关键词：野猪行为状态行为状态识别生境选择日行为节律

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于姿态估计的交通路口行人状态识别

基于姿态估计的交通路口行人状态识别

引用

作者：祝施冉大连交通大学

学位级别：硕士

监控摄像头已广泛地应用于现实生活中的各种公众场所,利用计算机视觉技术可以快速检测和识别交通路口中行人的行为状态,有助于交通管理部门及时处理突发事件。本文针对交通路口中的行人跌倒、走路、骑车的行为状态进行检测和识别,主要... 详细信息

监控摄像头已广泛地应用于现实生活中的各种公众场所,利用计算机视觉技术可以快速检测和识别交通路口中行人的行为状态,有助于交通管理部门及时处理突发事件。本文针对交通路口中的行人跌倒、走路、骑车的行为状态进行检测和识别,主要研究内容如下:1.构建了交通路口行人状态数据集(TPB Dataset:Traffic Pedestrian Behavior Dataset),包含跌倒、走路和骑车的行为状态。数据集包含公开数据集和自制数据集,公开数据集有Le2i Fall Detection Dataset和KTH Dataset等,自制数据集来自网络的相关视频和自己拍摄的视频。每类行为状态有140个视频片段,帧数在50帧以内,分辨率大小为340×256,帧率为25fps。按照7:3的比例,随机分为训练集和测试集。2.为方便提取骨架特征信息,本文以Fast Pose为基础模型,设计了一种自顶向下的轻量型人体姿态估计算法Fast Pose-Lite。首先利用YOLOv4人体检测器裁剪出单人子图像,然后经过单人姿态估计网络提取骨骼关节点。单人姿态估计网络由GSE-Res Net特征提取网络和上采样部分共同构成。GSE-Res Net网络是将Res Net网络中的传统卷积模块替换为Ghost模块同时引入SE注意力模块。上采样部分由DUC模块和CBAM注意力模块组成。实验结果表明,在COCO数据集下,本文所提出的Fast Pose-Lite网络对人体骨骼关节点的检测精度与原网络的检测精度基本接近,平均精度均值达到了70.74%,同时参数量减少了51.4%,计算量降低了50.8%。3.针对交通路口场景下行人跌倒、走路和骑车状态的识别,本文提出了基于时空图卷积网络的行人状态识别算法。首先根据Fast Pose-Lite提取视频中每帧的人体骨架序列,连接构成骨架时空图结构,然后利用本文提出的NA-STGCN网络进行处理。构成该网络的基础模块NA-GCB是由GCN模块、TCN模块和NAM注意力模块残差连接构成。利用GCN和TCN模块提取视频帧间关节点的位置变化及空间结构关系,将NAM注意力模块嵌入到残差结构的末尾以增强网络对目标特征的提取能力。实验结果表明,在TPB数据集下,本文提出的网络对行人跌倒、走路、骑车行为状态的平均识别准确率分别达到了91.23%、92.71%、91.56%,相较于经典网络ST-GCN分别提升了2.58%、2.77%、1.84%。

关键词：交通路口人体姿态估计注意力模块行为状态识别图卷积网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：