基于步态触觉信息的图书馆智能机器人异常状态检测系统 |
| |
作者姓名: | 李小燕 |
| |
作者单位: | 商洛学院 |
| |
基金项目: | 商洛学院科研基金项目《商洛乡贤文化研究》(16SLWH06); |
| |
摘 要: | 针对当前图书馆智能机器人步态识别准确率低,导致异常状态检测效果差的问题,提出基于步态触觉信息的图书馆智能机器人异常状态检测和分类。采用基于局部空间信息加权的K-means算法对静态步态图像进行分割处理,分别构建基于改进K-means的CNN网络模型和基于时域注意力的3D残差网络模型,通过这两个模型对静态、动态步态进行特征提取和识别。实验结果表明,对比于SVM分类器,改进K-means算法的CNN网络模型静态步态识别准确率高达98.7%;3D-CNN模型的动态步态分类准确率为99.72%,均高于其他分类模型。最后结合两种算法进行异常状态检测发现,本算法的分类准确率、敏感度和特异性分别为95.42%、95.53%、94.37%。综合分析可知,提出的算法能够实现静态动态的准确识别和异常状态检测,具有一定有效性。
|
关 键 词: | 异常状态检测 步态触觉信息 K-means算法 注意力机制 3D-CNN模型 |
|