本发明要克服上述现有技术的缺点,提供一种一种基于神经网络的交互机器人智能运动检测与控制。
本发明利用计算机视觉,神经网络,人工智能方法解决问题,最终完成系统的设计与实现。使用检测快速,计算复杂度较低的Haar-like特征与Adaboost分类器作为人脸、人眼检测工具。使用卷积神经网络CNN作为人眼二次筛选与空间特征提取工具,使用长短期记忆神经网络LSTM作为时间特征提取工具,具备非常高的准确性与鲁棒性。使用有限状态机FSM作为运动状态控制算法,具备快速反应能力。
一种基于神经网络的交互机器人智能运动检测与控制方法,使用传统特征工程和分类器作为人眼部位初步定位,神经网络作为行为高效识别,引入有限状态机实现状态快速转换。阶段一提取Haar‑like特征并结合Adaboost级联分类器完成交互机器人人脸识别,脸部人眼识别,同时采用卷积神经网络进行人眼二次检测与筛选。阶段二,计算双眼光流图,使用CNN提取空域特征,LSTM提取时域特征,完成人眼行为识别。阶段三使用有限状态机FSM完成状态装换。该系统检测精度高,状态转换快速。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”(2011计划)协同创新中心牵头高校和浙江省首批重点建设高校,坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务,以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色,大力培养德智体美劳全面发展,富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
评价单位:- (-)
评价时间:2024-10-23
综合评价
该项目技术思路方向很好,未来市场空间大,有利于当前政策要求,转化成熟度很高,值得支持推广。建议强化相应产品开发,加大产业链开发力度。技术转让,所需资金需双方协商,此项技术想尽快落地,希望具备此项技术研发的技术方,能够尽快承接次项目。
查看更多>