服务机器人智能空间中人的行为理解

在服务机器人智能空间平台下对家庭环境中人的行为理解问题进行研究。提出复杂环境下基于特征融合的日常动作、突发异常动作的检测方法，利用人的姿态、姿态变化速率特征、位置变化特征来表征人的运动状态，通过多姿态事件的组合表达具有复杂时空关系的行为事件。结合家庭智能空间平台提供的环境数据和区域行为模式、日常行为习惯信息，利用马尔科夫模型建立人的日常行为模板，实现人的反常习惯行为、突发异常行为的实时检测和意图的正确理解。从服务机器人获取信息的角度，构建机器人利用人体行为认知经验的服务模式。通过建立适合机器人提供自主服务的意图识别模型、适合自主学习服务对象行为习惯和发现异常行为问题的认知模型，提高机器人主动式智能化服务水平，以提高人的生活质量，并促进服务机器人在民用领域的发展。

为提高机器人的服务水平和应用能力，服务机器人的工作过程应以人为中心，给人提供主动式智能化的服务，这要求对服务环境及人的意图和行为有更深刻的识别和理解能力。本课题基于服务机器人智能空间技术，研究了目标的检测、定位和跟踪问题，在此基础上提取用于动作识别的特征，建立目标动作的行为特征描述，结合智能空间中的各种上下文信息，建立目标行为习惯认知模型，实现了目标的意图识别和行为理解，并以此形成机器人服务的依据及准则。所取得的重要成果如下：.优化了环境信息表征机制，建立了通用的基于分布式数据融合树的多模式信息获取架构，完善了人体行为检测识别系统。基于运动历史图像背景建模机制、并利用直方图结合均值漂移与粒子滤波进行了目标的视觉定位及跟踪，同时研究了基于ZigBee无线传感器网络与视觉技术相结合的移动目标定位与跟踪方法。.提出了基于累积差熵的周期性时空特征点检测算法，同时将服务环境进行分区，以此为先验知识结合目标定位信息进行了人的日常动作识别。采用以人体动作序列的轮廓和侧影为识别特征的方法对人体日常动作识别进行了深入研究，提高了识别的准确率和鲁棒性。另外基于微软Kinect平台，提出了模比值和向量角的动作表示方法，得到了更鲁棒、更细致的日常动作的识别结果。.综合考虑跌倒过程的静、动态特性，结合人的位置等信息，对跌倒动作识别问题进行了研究。以人行走时的重心轨迹为特征、采用直线拟合方法通过对行走轨迹的判断实现了对异常行走状态的识别。基于AHRS人体姿态捕捉系统对异常动作识别问题进行了研究。.提出智能空间关键点的概念，并与其属性相关联实现了对人意图的识别。通过对人在关键点之间活动路线的分析，实现了对人的异常行为的识别。基于关键点持续时间直方图、事件直方图和时序直方图等特征提取方法，对人的行为认知模型与反常习惯行为理解问题进行了研究。.模拟人的环境空间认知机理，提出面向服务任务的机器人语义环境主动认知方法。基于目标定位结果获得路径控制点，实现了动态环境下的机器人平滑无碰路径规划。给出了基于RFID进行远距离物品粗定位、本体视觉进行近距离物品识别和精定位的大范围物品搜寻、定位和操作方法。研究了基于活动理论的智能化物品管理、基于参数驱动的服务机器人任务自动组合方法。.课题成果对提高机器人主动式智能化服务能力，并加速其在民用领域的应用与发展具有重要意义。