bck

收藏本站

基于视觉的室内场景识别及其在多源融合定位中的应用

【摘要】:随着科技和社会的不断发展,人们的日常活动越来越倾向于在室内环境下进行。理解用户所处的室内场景,有助于为用户提供更加智能可靠的服务。然而,相比室外空间,室内空间往往更加复杂多变。无论是在室内情景下的场景识别还是定位导航都面临着巨大挑战。近年来,研究者们针对视觉识别问题开展了大量研究,提出了多种基于卷积神经网络的识别方法,有效地将目标识别精度提高到了接近人类水平。然而,对于场景识别尤其是室内场景的识别,一方面相关的研究较少,另一方面已有的研究中也存在着大量需要解决的问题。包括:(1)传统人工定义的全局特征结合局部特征的方法对室内场景的表达存在着明显不足,使得相应的室内场景识别精度普遍较低。(2)缺乏大规模标注好的室内场景数据集,因而无法使用卷积神经网络从初始状态对室内场景进行表征学习。(3)现有的场景识别方法大多基于监督学习来实现,而基于非监督或半监督的相关研究较少。另外,在室内定位领域,尽管基于信号指纹的方法不需要部署额外的设备,在一些结构简单的场景下能够获得较好的定位效果。然而,由于室内环境的复杂性以及信号传播的不稳定性,使得该方法在部分复杂场景下无法得到稳定精确的定位结果。另外,基于位置-信号指纹库的定位方法也存在着维护和更新困难的问题。针对上述问题,本文首先从监督学习和非监督学习两个角度研究了相关的室内场景识别方法。其次,为了进一步探索室内场景信息在位置服务中的应用以及更好地解决现有室内定位系统中定位不稳定的问题,本文提出了一种基于场景识别的多源融合室内定位方法。文章的主要内容及创新点包括:(1)研究了基于大规模室内场景数据集和卷积神经网络的室内场景识别方法。从监督学习的角度,本文分析对比了多种深度卷积神经网络结构,使用三种不同的策略来解决基于视觉的室内场景识别问题。包括使用大规模的室内场景数据从初始状态训练深度卷积神经网络模型;在预训练模型的基础上,通过网络微调方法训练室内场景模型;通过将预训练模型作为特征提取的工具,使用简单机器学习分类器来进行室内场景识别。在这一过程中,由于从初始状态直接训练深度卷积神经网络模型需要大规模的训练数据,而目前还没有专门针对室内场景的大规模图像数据集。因此,本文在已有数据集的基础上对室内场景数据进行整合,得到了数据量在百万级别的大规模室内场景数据,并提出了对数据集进一步扩充和优化的方法。该研究一方面对室内场景识别问题的研究范围进行了拓展,分析了大规模室内场景数据集上的识别效果。另一方面,对基于卷积神经网络的监督式视觉表征学习方法进行了深入的探讨和分析,为更好地解决室内场景识别问题提供了基础。(2)提出了基于非监督学习的室内场景识别方法。在该研究中,本文提出了基于非标注数据的视觉表征学习方法,通过在非标注数据之间构建k-NN图来挖掘样本之间的内在关系,从而得到正负样本对。然后将挖掘出的正负样本对作为输入数据,引入用于二分类的孪生卷积神经网络(Siamese ConvNet)来实现基于室内场景数据的视觉表征学习。最后再将训练好的孪生卷积神经网络作为特征提取器,结合简单的线性SVM分类器得到室内场景识别模型。该研究针对室内场景识别中标注数据不足的问题,结合室内场景数据类内差异大、类间差异小的特点,提出了基于k-NN图约束条件及孪生网络的非监督视觉表征学习方法,从而使得基于少量样本的室内场景识别成为可能。(3)提出了基于场景识别的多源融合室内定位方法。本文在现有的多源融合室内定位系统的基础上,增加了场景信息来进一步约束定位过程,以提高定位系统的精确度和稳定性。该系统可分为离线采集和在线定位两个阶段。在离线阶段,系统将根据不同场景来采集多源传感器数据并记录用户轨迹,从而构建以场景信息为索引的层级式位置指纹库。在在线阶段,通过识别用户当前所在的场景可将定位区域快速缩小至该场景,从而减少不同场景中因信号不稳定或特征相似而产生的误匹配现象。该方法建立位置指纹库时无需像传统方法一样设置密集的位置参考点,并在每个点停留较长时间来获取稳定的信号指纹,过程相对简单且易于更新和扩展。通过场景信息的约束,很好的解决了Wi-Fi、地磁信号等不稳定和容易混淆的问题,提高了系统的稳定性和定位精度。总的来说,本文首先分别从监督学习和非监督学习两个角度研究了相关的室内场景识别方法,从而以不同角度来解决这一具有挑战性的问题。另外,针对室内场景下定位困难的问题,本文提出了将室内场景识别应用于多源融合定位系统的方法,从而提升了相应的室内定位精度并为构建更加普适的室内定位系统提供了新的策略。因此,本文的相关研究从理论和应用两方面来看都具有重要意义。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前13条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
3 王方;苗放;陈垦;;基于优化神经网络的地质灾害监测预警仿真[J];计算机仿真;2019年11期
4 马猛;王明红;;基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J];轻工机械;2019年06期
5 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
6 李杰;孙仁诚;;几种典型卷积神经网络的权重分析与研究[J];青岛大学学报(自然科学版);2019年04期
7 岳新;杜玉红;蔡文超;;基于GA-BP神经网络异纤分拣机检测参数优化[J];棉纺织技术;2020年01期
8 赵伟荣;李慧;;基于集成神经网络的织物主观风格预测研究[J];纺织科技进展;2020年01期
9 李金堂;;试析神经网络技术在机械工程中的应用及发展[J];网络安全技术与应用;2020年02期
10 张振;许少华;;一种深度小波过程神经网络及在时变信号分类中的应用[J];软件;2020年02期
11 李金峰;刘云鹤;;不同结构深度神经网络的时间域航空电磁数据成像性能分析[J];世界地质;2020年01期
12 李健;刘海滨;胡笛;;基于生成对抗网络和深度神经网络的武器系统效能评估[J];计算机应用与软件;2020年02期
13 叶凯强;高洪;时培成;;基于循环神经网络的双轴打捆机智能换挡策略研究[J];安徽工程大学学报;2020年01期
中国重要会议论文全文数据库 前10条
1 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
2 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
3 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
4 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
5 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
6 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
7 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
10 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 刘梦云;基于视觉的室内场景识别及其在多源融合定位中的应用[D];武汉大学;2019年
2 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
3 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
4 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
5 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
6 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
7 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
8 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
9 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
10 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
中国硕士学位论文全文数据库 前10条
1 胡小南;基于深度学习的长途客车乘客大数据处理及分析研究[D];东北大学;2016年
2 万晶;基于深度神经网络的加密流量分类[D];武汉大学;2019年
3 汤倩;基于Cauchy Born准则和神经网络的应力计算[D];武汉大学;2019年
4 牛菲菲;基于词向量表示和卷积神经网络的微博情感分类研究[D];武汉大学;2017年
5 陆璐;基于卷积神经网络的声学场景分类[D];武汉大学;2017年
6 徐安建;基于卷积神经网络的遥感影像农作物分类方法研究[D];武汉大学;2017年
7 岑忠培;随机金融价格深度学习预测模型与统计分析[D];北京交通大学;2019年
8 蒋鹏;民航繁忙干线机票最低价格预测方法研究[D];北京交通大学;2019年
9 陶然;避免排队回流的城市交通拥堵控制研究[D];上海交通大学;2018年
10 曾豪;基于LSTM的环境污染时间序列预测模型的研究[D];华中科技大学;2019年
中国重要报纸全文数据库 前10条
1 张允硕 姜正义 甄海锋 河南理工大学;[N];科学导报;2019年
2 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;[N];湖北日报;2019年
3 记者 刘霞;[N];科技日报;2017年
4 整理 本报记者 诸玲珍 顾鸿儒;[N];中国电子报;2018年
5 ;[N];电子报;2018年
6 张敏;[N];北京日报;2017年
7 ;[N];中国企业报;2017年
8 本报记者 龚丹韵;[N];解放日报;2017年
9 ;[N];中国企业报;2017年
10 张斌;[N];文汇报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|