基于動(dòng)態(tài)環(huán)境建模與智能感知的實(shí)訓(xùn)方法研究

閆琳

（西安航空職業(yè)技術(shù)學(xué)院，陜西西安 710089）

隨著人工智能、虛擬現(xiàn)實(shí)(VR)等技術(shù)的發(fā)展，高職教育也迎來(lái)了信息化、智能化轉(zhuǎn)型的機(jī)遇。使用計(jì)算機(jī)技術(shù)對(duì)教學(xué)場(chǎng)景進(jìn)行動(dòng)態(tài)建模，再基于各種感知技術(shù)對(duì)場(chǎng)景進(jìn)行信息采集，便可實(shí)現(xiàn)智能化的人機(jī)交互。最終，基于智能設(shè)備完成對(duì)于學(xué)生的職業(yè)技能培訓(xùn)，實(shí)現(xiàn)“人工智能+職業(yè)教育”的結(jié)合[1-5]。

在上述背景下，文中以空乘專業(yè)的職業(yè)培訓(xùn)為切入點(diǎn)，針對(duì)職業(yè)技能教育場(chǎng)景下的動(dòng)態(tài)建模、智能感知方法進(jìn)行了研究。在動(dòng)態(tài)建模方面，引入了基于視頻圖像的環(huán)境建模方法。并結(jié)合實(shí)際的教學(xué)環(huán)境，對(duì)光照進(jìn)行了自然均衡，提升設(shè)備對(duì)于環(huán)境信息的采集能力[6-8]；在智能感知方面，文中使用膠囊結(jié)構(gòu)代替?zhèn)鹘y(tǒng)的神經(jīng)元結(jié)構(gòu)，提升算法在復(fù)雜場(chǎng)景下的感知能力[9-12]。

1 理論基礎(chǔ)

隨著智能設(shè)備的普及，對(duì)于復(fù)雜動(dòng)態(tài)環(huán)境的場(chǎng)景建模與人體行為感知，將在各個(gè)行業(yè)發(fā)揮越來(lái)越重要的作用。在進(jìn)行動(dòng)態(tài)環(huán)境建模時(shí)，需要根據(jù)文中的應(yīng)用場(chǎng)景，解決動(dòng)態(tài)環(huán)境光照復(fù)雜多變、人體動(dòng)作識(shí)別困難兩個(gè)問題。

1.1 光照補(bǔ)償結(jié)構(gòu)圖的光照自然均衡算法

由于在動(dòng)態(tài)環(huán)境采集時(shí)，光照難以規(guī)律地變化，從而導(dǎo)致采集設(shè)備無(wú)法準(zhǔn)確獲取環(huán)境信息。為了解決該問題，文中引入了一種光照自然均衡算法。其基本流程如圖1 所示。

圖1 算法流程

在進(jìn)行直方圖均衡時(shí)，傳統(tǒng)的方法能夠改進(jìn)圖像的亮度與對(duì)比度，但由于過度追求亮度的均勻分布，經(jīng)常會(huì)造成圖像炫光。為此，文中對(duì)均衡方法進(jìn)行了改進(jìn)[13-16]。對(duì)于通道V的(x,y)點(diǎn)，記其亮度為v(x,y)。首先，對(duì)直方圖進(jìn)行歸一化，在此引入歸一化函數(shù)：

將直方圖轉(zhuǎn)化到對(duì)數(shù)坐標(biāo)系：

其中，Hlhet為文中的均衡變換關(guān)系。定義光照補(bǔ)償結(jié)構(gòu)圖ics(x,y)：

其中，gn是當(dāng)前環(huán)境下的光感知單元模型：

在進(jìn)行光補(bǔ)償時(shí)，需考慮宏觀的圖像因素。當(dāng)圖像整體較亮，但亮度差異較大時(shí)，需要對(duì)亮度小的部分提供更大的光補(bǔ)償權(quán)重。為使該方法能夠感知亮度分布的集中度，文中定義了圖像的全局補(bǔ)償感知指數(shù)：

接著，根據(jù)物體的光照反射基本原理，能夠獲得直方圖均衡圖像vlh的反射分量vlh(x,y)。隨后對(duì)vlh(x,y)進(jìn)行對(duì)數(shù)變換，然后進(jìn)行歸一化，可以計(jì)算得到反射量的估計(jì)gv(x,y)：

最后，利用反射量的估計(jì)值得到vlh補(bǔ)償后的結(jié)果：

1.2 膠囊網(wǎng)絡(luò)

為了對(duì)動(dòng)態(tài)環(huán)境感知后的人體進(jìn)行智能識(shí)別，還需引入人體行為識(shí)別算法。由于動(dòng)態(tài)環(huán)境下，人體的行為不斷變化，因此相較于靜態(tài)圖像的行為識(shí)別，動(dòng)態(tài)環(huán)境下則需要對(duì)行為進(jìn)行分解再整合。文中引入了融合注意力機(jī)制的膠囊網(wǎng)絡(luò)，在該網(wǎng)絡(luò)中使用膠囊作為信息處理的基本單元，其基本結(jié)構(gòu)如圖2所示。

圖2 膠囊基本結(jié)構(gòu)

相較于神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元，膠囊的激活條件是多個(gè)人體姿勢(shì)之間的比較差值。在圖2 中，ui是圖像低層次特征，Ui是低層次對(duì)應(yīng)的高層次特征，Wij為對(duì)應(yīng)的傳輸權(quán)重，預(yù)測(cè)向量加權(quán)后，得到加權(quán)和sj=∑icij·Uj|i。其中，Uj|i=Wij·ui，加權(quán)和經(jīng)Squash 函數(shù)壓縮后，得到膠囊的輸出vj：

在膠囊網(wǎng)絡(luò)中，對(duì)于層數(shù)L的膠囊c，需要獲取其姿勢(shì)矩陣Mc和激活值ac：

由于在L、L+1 層間，每個(gè)感受野(k,i,j)內(nèi)均會(huì)產(chǎn)生CL×CL+1個(gè)投票，因此在決策時(shí)，需要使用最大期望（EM）路由算法。首先，對(duì)分配概率Rij進(jìn)行初始化分配隨后，在路由迭代的過程中，對(duì)高斯模型與高層膠囊的激活值進(jìn)行更新：

最終，能夠獲得模型的參數(shù)pj的更新方法：

相較于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)的神經(jīng)元，依靠膠囊組建的非線性網(wǎng)絡(luò)更注重學(xué)習(xí)動(dòng)作組合本身的內(nèi)在機(jī)制，而不是單純的進(jìn)行數(shù)據(jù)集的模仿。為了保證膠囊對(duì)于視頻動(dòng)作的捕捉能力，文中還引入了“擠壓-激勵(lì)”機(jī)制：

“擠壓”后，所有類型的動(dòng)作均在維度方面有所收縮，實(shí)現(xiàn)了信息聚集，能夠捕獲膠囊在類型層上的依賴性：

隨后輸入激勵(lì)，整合上下文信息有：

最終，引入尺度變換將“激勵(lì)”后的結(jié)果與原始的特征層進(jìn)行修正：

其中，uc∈RH×W×D。

2 方法實(shí)現(xiàn)

2.1 實(shí)驗(yàn)設(shè)計(jì)

在算法驗(yàn)證階段，該文使用公開數(shù)據(jù)集J-HMDB與UCF-Sports 進(jìn)行模型的訓(xùn)練和測(cè)試，驗(yàn)證算法在智能感知時(shí)的有效性。視頻環(huán)境的動(dòng)態(tài)感知需要消耗大量的運(yùn)算資源，為了保證順利完成算法的訓(xùn)練和測(cè)試，文中在進(jìn)行實(shí)驗(yàn)時(shí)，使用了目前最強(qiáng)的消費(fèi)級(jí)GPU。該顯卡基于NVIDIA 的安培架構(gòu)，使用8 nm工藝，運(yùn)行速率能夠達(dá)到19.5 Gbps。仿真環(huán)境的其他硬件參數(shù)，如表3 所示。

表3 仿真環(huán)境的硬件參數(shù)

2.2 仿真結(jié)果

在測(cè)試算法前，需要先利用數(shù)據(jù)集進(jìn)行模型的訓(xùn)練。在進(jìn)行場(chǎng)景的智能感知時(shí)，會(huì)由于類別、定位的判別錯(cuò)誤產(chǎn)生類別損失與定位損失。因此文中在設(shè)計(jì)損失函數(shù)時(shí)，引入Sigmoid 函數(shù)的交叉熵來(lái)計(jì)算損失。首先，對(duì)于空間位置(k,i,j)，能夠得到后驗(yàn)概率：根據(jù)后驗(yàn)概率，能夠得到損失函數(shù)：

在確定損失后，J-HMDB、UCF-Sports 每個(gè)數(shù)據(jù)集中60%的數(shù)據(jù)分別作為訓(xùn)練數(shù)據(jù)進(jìn)行模型的訓(xùn)練，獲得兩個(gè)不同的模型；隨后，將剩余40%的數(shù)據(jù)作為測(cè)試數(shù)據(jù)分別輸入到對(duì)應(yīng)的模型中。在測(cè)試時(shí)，文中將f-Map 和v-Map 的IoU 閾值分別設(shè)置為0.5 與0.2。最終的測(cè)試結(jié)果，如表4 所示。

表4 該文算法的仿真結(jié)果

為了評(píng)估文中算法結(jié)果的公正性，該文采用同樣的仿真環(huán)境，使用經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)算法LeNet進(jìn)行了對(duì)比測(cè)試。其測(cè)試的結(jié)果，如表5 所示。

表5 LeNet的仿真結(jié)果

從表4 能夠看出，該文算法在J-HMDB 數(shù)據(jù)集上f-Map、v-Map 兩個(gè)指標(biāo)均大于UCF-Sports 數(shù)據(jù)集上的指標(biāo)。因此，文中在J-HMDB 數(shù)據(jù)集上的感知效果優(yōu)于UCF-Sports。從表5能夠看出，LeNet在J-HMDB上的感知效果同樣優(yōu)于UCF-Sports。分析兩個(gè)數(shù)據(jù)集的結(jié)構(gòu)，在J-HMDB 的數(shù)據(jù)集內(nèi)部的視頻中，所要感知的目標(biāo)大多集中在視頻中央，而UCF-Sports 較分散。由于在損失函數(shù)中，會(huì)引入定位誤差，因此較分散的動(dòng)態(tài)環(huán)境不利用智能感知算法進(jìn)行處理。

對(duì)比表4 與表5 的仿真結(jié)果能夠看出，該文引入的智能感知算法在進(jìn)行動(dòng)態(tài)環(huán)境的感知時(shí)，f-Map、v-Map 兩個(gè)指標(biāo)均優(yōu)于LeNet。以J-HMDB 數(shù)據(jù)集為例，文中算法在f-Map、v-Map 上分別提升5.56%與4.98%。LeNet 是視頻識(shí)別、智能感知領(lǐng)域的經(jīng)典算法，因此可以證明文中的算法達(dá)到了能夠廣泛使用的性能要求。但結(jié)合UCF-Sports 數(shù)據(jù)集的仿真結(jié)果，文中算法在該數(shù)據(jù)集上的提升小于J-HMDB。這說(shuō)明該文算法在處理分散動(dòng)態(tài)環(huán)境的能力上仍有一定的優(yōu)化空間。

此外，為了評(píng)估“擠壓-激勵(lì)”機(jī)制引入的降維比的參數(shù)對(duì)算法性能的影響，文中對(duì)不同降維比下的算法性能進(jìn)行了評(píng)估，結(jié)果如表6 所示。可以看出，當(dāng)降維比增加時(shí)，參數(shù)增加量會(huì)降低，f-Map與v-Map會(huì)提升。當(dāng)降維比取16 時(shí)，模型參數(shù)與參數(shù)增加量取得了較好的平衡。

表6 不同降維比下的仿真結(jié)果

3 結(jié)束語(yǔ)

文中對(duì)于高等院校職業(yè)技能訓(xùn)練智能化過程所需要的動(dòng)態(tài)建模與智能感知方法進(jìn)行了研究。在動(dòng)態(tài)建模方面，引入了光照補(bǔ)償結(jié)構(gòu)圖的光照自然均衡算法，提升視頻設(shè)備對(duì)于環(huán)境信息的采集能力；在智能感知方面，使用膠囊組建了非線性網(wǎng)絡(luò)，實(shí)現(xiàn)了復(fù)雜環(huán)境下的目標(biāo)定位與動(dòng)作識(shí)別。文中方法能夠達(dá)到業(yè)界的性能要求，并有所提升，可以進(jìn)行推廣應(yīng)用。