学习笔记-人类行为识别综述

本文描述了用户在智能环境中扮演的重要角色。在本项工作中,我们回顾了人类行为识别方法,分为数据驱动和基于知识的技术。我们关注于上下文知识本体,最终的目的是实现人类行为跟踪,在知识本体的研究领域之上,提供人类行为的推理和表示。我们建立了一个评鉴标准来评估不同候选本体的适用性。未来的挑战:人类日常行为的建模工作。

首先我们明确几个概念:普适计算:这一概念强调和环境融为一体的计算,而计算机本身则从人们的视线里消失。上下文感知是普适计算的重要技术。上下文感知是一个无处不在计算模式的方向标,一个设计良好的模型的关键是系统有着一个契合的上下文感知器。上下文模型可以为人类行为模型提供语义。

接下来是文章的主要部分,行为识别技术。可以分为基于数据驱动的方法和知识的方法。传统上,行为识别技术主要集中在模式识别和机器学习的一个分支,属于第一组。这些技术在过去的十年里已经被广泛的研究。然而,因为他们已经解决的方式是从模式识别角度入手的,因此他们还没有继承语义和管理机制。这样就引出了,基于本体的推理方法。我们需要先了解本体的概念。本体的定义:本体本是一个哲学术语,在计算机领域有学者给出定义 “描述构成特定领域词汇的术语和基本关系,及利用这些术语和基本关系构成的约束这些词汇外延规则的概念”。本体的描述:可以用自然语言、框架和逻辑语言等来描述本体。最后我们介绍基于本体的推理方法,本体的目标是获取,描述和表示相关领域的知识,提供对该领域知识的共同理解,确定该领域内共同认可的术语,并从不同层次的形式化模型上给出这些术语和术语间相互关系的明确定义。计算机根据本体描述文件理解本体的含义和层次间关系并建立相关的推理规则对其进行推理,这就实现了基于本体论的推理引擎,目前比较流行的有class/slot,RDF,OWL。

本文除了收集并介绍了多种数据驱动,知识驱动的模型方法外,还引入了一套评鉴系统,来对这些人类行为识别的方法进行评价。评价技术从以下四个标准进行分析:①学习过程:数据驱动、知识和混合方法的区别。 ②着眼于识别阶段所用到的具体算法和模型技术。③关于是否支持社会行为,人工交互,多用户以及行为共享功能。④可伸缩性标准:是否适应历程的变化,给其他用户行为提供基础以及在其他环境的行为识别中表现出的伸缩性。

 

 

 

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

3 Responses to 学习笔记-人类行为识别综述

  1. 李昌群 says:

    介绍了很多行为识别的技术,值得借鉴。

  2. 谷敏敏 says:

    人类行为识别是个很有意义和实用的技术研究热点,文中介绍了很多行为识别的技术,值得借鉴。

  3. 唐敏龙 says:

    从文中可以了解到人类行为识别的一些方法,希望以后能用到。。。

发表评论