网站首页  词典首页

请输入您要查询的论文:

 

标题 无脑蛙系统研究
范文

    路晓坚 陈征 任帅男 韩萌萌

    摘 要:本文提出一种基于随即函数的无脑蛙目标姿态库系统。我们通过一种模拟脊蛙实验的方法来建立大规模人体姿态库,并利用电子模拟运算速度快,模拟周期短,运行效率高出错结果易检测的特性,利用程序设计的方法来给出具有指导意义的符合目标需求的具有明确指向性的人体姿态类库。

    关键词:无脑蛙;人体姿态库;脊蛙实验

    随着人机智能交互系统的进一步完善,人体姿态检测[1]在智能系统中的地位越来越高。通过分析图像或视频中的人体姿态变化,借助OpenCV[2]计算机图像识别技术来进行目标特征关键点的提取以获得较为准确的人体姿态信息的方法越来越多的被应用到实际生产生活当中。进行姿态检测时,需要一个确定的人体姿态库,以保证姿态分类结果能够被识别为明确的人体姿态。因此,无脑蛙模拟姿态库就被提出用于设立具有明确指向性的人体姿态类库,从而保证姿态识别结果的准确性。

    1 无脑蛙系统

    无脑蛙是指被切掉头部但保留完整脊髓结构的青蛙,[3]在生物学上我们通过利用电流刺激的方法来使无脑蛙产生随机运动以证明脊髓反射效应。在本文中我们利用仿真系统搭建类似于脊蛙的应激反应反馈模块。利用输入随机数作为刺激源,通过限定青蛙四肢和邻近下颌部位对相应应激反应的剧烈程度来设定参数,利用回溯实验的方法来检验实验结果的准确性。

    2 无脑蛙系统的设立

    对于一个相同的动作,人类和青蛙所给出的动作参数是有很大的差异的。对于进行仿真实验来说,我们的目的即为还原人类的动作姿态,因此采用人类的平均身体尺寸为基础设立系统。

    因为人体的动作和行为具有一定的特殊性,即大家平时所说的习惯。正是这种习惯的不同才导致了人与人之间的行为差异。当我们有选择的记录一些人的行为习惯并作为样本进行训练时,经过一段时间后,如果目标在监控范围内出现未记录的行为习惯的频率与出现已记录的行为频率之比趋向于无穷小时我们就认定,该姿态库已经构建完成。我们将在无脑蛙系统的介绍部分阐述这一理念。当我们利用模拟来构建一个行为姿态库时,则可以大大的缩短行为习惯的出现时间,因为我们所用的“脊蛙”能够在大量随机数的刺激下做出所有可能出现的动作,正如一群猴子能够打印出莎士比亚的诗歌一样,这正是计算机模拟的优势所在。

    3 系统的操作过程

    首先我們给与系统几个预估的函数值,作为初始状态下预先估计的对应反应值。这些函数的设定都是随机的,我们利用补偿函数对误差进行补偿,然后回溯修正从而使函数的映射关系符合实验标准。

    在寻找合适的映射关系时,也可以利用机器学习的方法进行。通过对样本数据进行训练,然后自主识别动作进行简单分类。但整个实验所用数据都是从无到有的测试过程,对于给定的样本数据我们不能确定其是否能真正代表目标对象的全部动作习惯。况且在大多数情况下,我们需要面对不同的实验对象,而其动作行为习惯往往受到所处环境的影响而产生相当大的差异。例如在实验室得到的训练数据在操场上进行测量实验时虽然基本的大幅度动作和姿态可以被识,但误差大、误判率高,对于一些出现次数较少的动作,系统在判断时存在较大的延时,这对系统在实际生产生活中的应用就会产生很大的影响。虽然在后期进行分析得出造成误差的主要原因是样本数据过少,训练时间过短,但研究周期却大大超出预期,因此舍弃采取机器学习的相关方法的初衷,利用最原始的数据拟合来进行处理。接下来我们简要介绍数据的处理过程。

    我们给出以下设定,其中刺激是指刺激源,应激是指目标对象对相应的刺激所做出的反应,另外设定补偿函数φ(x),输出函数y(x)。

    同时我们约定,对于一个固定的刺激x,在同一部位给出的输出y(x),以头部输出来说存在y(x)=f(x)+φ(x)。

    我们所要求的结果是x与y之间的对应关系,而f(x)可通过测量得出,因此问题就转换为φ(x)的求解。

    在这里我们只给出求解方法的简单叙述,过程如下:

    ①画出x与f(x)之间的散点图,利用拟合的方法求出x与f(x)之间的大致对应关系。

    ②利用给给定的约束范围,计算所允许的最大误差下φ(x)的极值。

    ③设出φ(x)在约束范围内的函数关系式,利用限定条件下的极值给出在定义域内的取值范围。

    进行大量的实验后发现,φ(x)的映射范围,因部位而异,且存在固定的变化规律。转换目标对象后,进行拟合比对,就可以重新矫正φ(x)从而使其符合要求。

    4 结论

    本文提出一种无脑蛙人体姿态模拟系统。通过设定与实验目标具有函数对应关系的参数,来进行模拟实验从而达到较好的实验目的。无脑蛙系统所给出的是姿态类库,只是明确了实验目的,对于分类困难的姿态给出更加详细的分类方案,对实验过程并未产生影响,但却提高了实验结果的准确度。经过实验验证取得了较好的实验效果,从而证明了本系统的科学性和有效性。

    参考文献:

    [1]曹玉珍,蔡伟超,程旸.基于MEMS加速度传感器的人体姿态检测技术[J].纳米技术与精密工程,2010,8(1):37-41.

    [2]吴博,王彬,翁政魁,等.基于OpenCV的鼻尖特征点鼠标实时控制系统实现[J].计算机应用与软件,2018(2):212-217.

    [3]陈雨涛,沈方宁,杨泽康,等.蛙的生理结构及脊蛙神经反射实验[J].大学:指南,2012(4):45-46.

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/2/11 8:00:24