现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差...现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.展开更多
本文提出了模糊广义与或图FAOG的线性存贮空间的模糊启发式搜索算法LFAO~*(FAO~* with Linear Space)。算法LFAO~*是算法FAO~*的改进算法,它不仅具有可采纳性,而且存贮空间是线性的。其最坏情况下的算法复杂度为O(Z^2)(Z为搜索图的大小...本文提出了模糊广义与或图FAOG的线性存贮空间的模糊启发式搜索算法LFAO~*(FAO~* with Linear Space)。算法LFAO~*是算法FAO~*的改进算法,它不仅具有可采纳性,而且存贮空间是线性的。其最坏情况下的算法复杂度为O(Z^2)(Z为搜索图的大小)。因此,与FAO~*算法相比,LFAO~*算法更具有实用且普遍的意义。展开更多
文摘现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.
文摘本文提出了模糊广义与或图FAOG的线性存贮空间的模糊启发式搜索算法LFAO~*(FAO~* with Linear Space)。算法LFAO~*是算法FAO~*的改进算法,它不仅具有可采纳性,而且存贮空间是线性的。其最坏情况下的算法复杂度为O(Z^2)(Z为搜索图的大小)。因此,与FAO~*算法相比,LFAO~*算法更具有实用且普遍的意义。
