學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
2 results
Search Results
Item 適用於陪伴型機器人與被陪伴者間互動之視覺式人體動作辨識系統(2017) 曾雯琳; Tseng, Wen-Lin近年家用陪伴型機器人銷售量逐漸增加，而且價格也有逐漸降低的趨勢，愈來愈多家庭能夠負擔家用陪伴型機器人的費用。而家用陪伴型機器人主要功能為協助家人或照護者陪伴與照護幼童及年長者生活。家用陪伴型機器人可以從了解幼童及年長者的行為與狀態，做出適當的相對之回應，以達到互動、陪伴與照護之功能。本研究開發一套適用於陪伴型機器人與被陪伴者間互動之視覺式人體動作辨識系統，能夠自動辨識被陪伴者之動作，達到陪伴與照護之效果。 本系統開始時將讀入連續深度影像及連續彩色影像，接著判斷是否有人物在影像中，再利用深度影像建立depth motion map及彩色影像建立color motion map。將depth motion map與color motion map分別得到的影像合併成一張影像，將此影像擷取方向梯度直方圖(HOG)作為人體動作辨識系統之特徵。最後將這些特徵輸入SVM進行分類，得到人體動作辨識之結果。 本研究的人體動作辨識共分8種動作，分別為揮右手、揮左手、握右手、握左手、擁抱、鞠躬、走路及拳擊。Database1實驗資料由5位實驗者拍攝影片，每位實驗者分別拍攝8個動作，每個動作各執行20次，共有800部影片，其中以640部影片做為訓練集，另以160部影片做為測試集。由實驗結果可得知，本系統之人體動作辨識正確率為88.7%。Database2實驗資料由1位實驗者拍攝影片，其中實驗者為12歲之孩童，共有320部影片，皆作為測試集，實驗結果得知此人體動作辨識正確率為74.37%。Database3實驗資料為機器人移動時拍攝人體動作，由4位實驗者拍攝影片，共有320部影片，其中以160部影片作為訓練集，另以160部影片作為測試集，實驗結果得知人體動作辨識正確率為51.25%。此可知本系統的辨識結果具有一定可信度。Item 基於粒子群聚演算法的多行人追蹤(2016) 李國輔; Lee, Kuo-Fu行人的偵測與追蹤是近年來相當重要的研究項目。一般常見的行人追蹤演算法大多是利用大量的運算時間來取得高準確率，或者是犧牲準確率而得到快速追蹤的結果。直至目前為止，尚未有快速且準確的演算法來偵測追蹤移動中的行人。因此，本論文採用運算速度更為快速的粒子群聚(Particle Swarm Optimization, PSO)演算法搭配色彩直方圖 (Color Histogram) 做為擷取影像特徵方法，以達到速度與準確率的最佳平衡。本研究的方法共分成四個階段：首先利用Histogram of Oriented Gradient (HOG) 針對輸入影像進行「行人偵測」找出行人位置，其次對該影像進行「影像前處理」來降低光影的影響，接著計算影像的色彩直方圖進行特徵距離相似度計算，最後套用至PSO演算法的適應函數進行行人追蹤。本研究的實驗從七大影像資料庫中選取不同的移動方式的影像 (如左右橫向移動、畫面上隨機移動及深度的移動等) 來驗證PSO演算法的速度與準確率。結果顯示，在花費較少時間計算的情況之下 (0.0784 ~ 0.0906 s) ，PSO演算法可達到與其他演算法一樣甚至較高的準確率 (Multiple Object Tracking Accuracy，MOTA：69.88 ~ 86.54%；Multiple Object Tracking Precision，MOTP：77.43 ~ 84.76%) 。若影像資料沒有受到部分或全部遮蔽的干擾，PSO演算法的追蹤準確率可維持在80% 以上。研究結果證實與現有的演算法相比，PSO演算法不僅大幅縮短了演算時間，更展現優異的追蹤準確率，顯示此演算法可達到速度與準確率的最佳平衡。未來研究將繼續改良現有的PSO演算法，以提升分析部分或全部遮蔽影像的準確率。