面向人－物交互的视觉识别方法研究

吕庆聪，李绍滋

（1.山东工商学院计算机学院，山东烟台264005；2.厦门大学智能科学与技术系，福建厦门361005；3.厦门大学福建省仿脑智能系统重点实验室，福建厦门361005）

0 引 言

计算机视觉识别领域的发展逐渐由工业自动化、医学图像分析等工业领域向以人为中心的应用领域发展［1］。以人为中心的计算机视觉应用主要有:智能家居、老年人看护、视频会议、体育运动分析及健康评价等。它要解决的问题是根据来自摄像机的原始图像（包括图像序列）数据，通过视觉信息的处理和分析，识别人体的动作，理解人体动作的目的、解释所传递的语义信息。这需要将人体行为的识别、理解与人体所在的上下境相结合，即构建基于上下境的人体行为理解。这主要包括简单动作的识别（Action），如跑、跳、躺等，周围物体的识别（Object），如床、路、球等，人－物交互行为的识别（Activity），如人踢球、人在操场跑步等。我们将这种以人为中心的、以人－物交互为核心的包括人体动作时别、物体识别和人－物交互行为识别的视觉系统称之为面向人－物交互的视觉识别系统。目前的研究方法主要对人体动作、物体和人－物交互的识别中的某个方面进行识别研究，本文将人体动作识别、物体识别和人－物交互识别建立统一的识别模型图，并分别从为以人体动作作为上下境进行物体的识别、以物体为上下境进行动作的识别、人－物交互行为识别、基于图模型的对象识别以及由交互行为进行动作和物体识别5个方面进行研究，并给出了各种识别方法的详细比较。……