个体行为的机器识别与决策协同_陈鹏展_9787513054850

本书从人类个体行为的三类常见形式肢体动作、面部表情、言语话音入手，开展了个体行为的机器捕捉及识别理解的相关研究，阐述了实施行为捕捉的传感空间、进行行为识别的理论基础及实现行为识别的智能系统框架，提出了相关的算法策略及模型，并提供了相应的研究结果。在上述研究结果基础上，根据对个体行为的机器识别研究结果，提出了人机决策协同的模型及框架。

前言

人类一直没有停止对自身的研究和探索。通过对人体行为进行捕捉，探究人体各类动作行为背后的规律，不仅可以理解各类行为的真实意图，而且可对人体的行为进行预测，并与相关对象进行舒适自然的交流互动，为其提供优质的服务。如通过对服务对象声音信号进行捕捉，控制外部的设备；或对用户面部表情进行观测，推测用户的情绪状态，通过播放音乐或调节灯光等方式对其情绪进行调节；或对用户的肢体动作进行捕捉，与游戏中的角色进行互动，分析用户的身体状态等。

人类个体的各类行为产生都不是偶然的，是在受其意识支配下产生并完成整个过程的，并具有自发性和多变性的特点：每个人的行为都由其内在的个性动因驱使形成，外在环境因素可以影响个体行为的方向与强度，却不能发动个体行为；个体行为不仅存在多种表现形式，而且会随环境变化或个体追求目标的变化而改变；个体行为的表现是多类外部因素与自身状态综合作用下的结果。个体行为表现形式多样、动因复杂，对进行人体行为的分析理解带来了困难，但在纷繁复杂的动因和行为表现中，个体行为也会表现出一定的规律性，国内外已有许多学者尝试对个体行为的内在规律进行探索研究，但个体行为的数据集非常庞大，且同一类个体行为对应的外部条件无法再现，目前还没有一套进行个体行为分析识别的成熟完整的理论体系。

虽然利用机器进行个体行为识别的工作烦琐复杂，但仍然不能减少研究人员对个体行为识别理解的兴趣。国内外已有许多学者、机构分别从肢体捕捉、语音识别、语义理解、行为建模、表情理解、习惯建模等多个方面开展个体行为的识别研究，在许多领域取得了良好的结果。例如，在语音识别领域，识别准确率已经达到了97.5%；在肢体动作捕捉领域，基于图像的动作捕捉方法能够获得100Hz的刷新率，并能实现对36 类肢体动作行为的准确分类。随着越来越多的科研人员对人体行为研究感兴趣，基于机器的个体行为理解相关研究一定会取得更大的发展。

综合目前的进展和成果总结，进行个体行为研究需要完成以下工作：行为数据的传感与采集、数据采样后的分析处理、行为数据的特征提取与行为分类模型的选择。本书根据作者自身理解，结合已经完成的研究经历，对进行个体行为识别研究涉及的传感方法、理论基础、软件框架进行阐述。

个体行为的表现形式主要归结于以下几类：肢体动作、声音语言、面部表情等，而在上述几类行为中又包含了个体的行为习惯、内在情感等因素，前者是个体行为的外在表现，后者则是个体行为的驱动因素。一般地，在个体行为的识别理解过程中，需要通过相关的传感测量装置，对个体的语音信号、肢体动作、面部表情等进行测量捕捉，获得个体行为过程的大量原始数据，然后，选择相关的样本特征和分析模型，获得对个体行为的内在因素及行为意图的准确理解。

你还可能感兴趣

我要评论