Page 97 - 基于深度学习的人工智能技术研究

第三章 深度学习理论与实践

冗余，第二由于较低的分辨率造成不同信息间的相互结合影响。所以对于遥感图
像分类是比较难的一项工作。传统分类方法无法把有价值的信息与无价值的信息
准确分开，如果融入深度学习技术，将其运用到遥感图像分类过程中，构建合适
的学习模型，结合特定优化计算方式，可以取得良好的分类效果。该项技术的使

用为遥感图像分类技术提供了方便。
3. 跌倒检测
老年人在生活中跌倒的事件是屡见不鲜的事，如何在跌倒事件发生后得到快
速反馈和救助，以有效降低死亡和留下长时间治疗及后遗症的风险，对老年人跌

倒事件进行自动检测的智能系统具有重要的现实意义。部分研究人员提出了采用
深度学习方法对智能家居环境下的计算机视觉跌倒检测系统，主要方法是采用背
景减法提取人体前景输入到分类器中，对于是否发生跌倒的最终决定，依赖分类
器输出与特定的判别规则。这种使用深度学习方法检测人体跌倒的方法，主要通

过智能获取雷达回波的复杂性，结合距离信息，频率、时间信息等减少不正确的
预警。
另外还有一些研究人员通过融合的方法，比如结合彩色与深度图像，通过特
征学习方法和目标区域的定位，提出使用深度信息为目标定位决策，使用卷积神

经网络学习生成特征来检测人员是否发生跌倒。与 RGB 图像进行比较，优点是
场景信息准确、干扰的声音小等特征，算法结合设备与人体的距离信息，计算人
体的高度和宽度，并通过像素转化实现目标来优化图像。把图像高度和宽度作为
输入层图像的大小，采用卷积神经网络学习深层特征检测，自动获取 300 个的特

征作为分类。深度学习在跌倒检测识别中的应用推动了人工智能背景下智慧医疗
的发展。
4. 交通图像识别
随着经济社会的快速发展，交通图像识别技术主要用于车道偏离、车牌识别、

交通标识等各个方面，其为人们的日常出行提供了方便，有关研究者尝试把深度
学习技术运用到更深入的交通图像识别领域，例如把深度卷积神经网络运用于交
通标志检测中，可以实现高精度以及时效性强的检测工作。基于深度学习下的交
通图像识别技术，可以为图像识别领域创新提供新思路以及方法。

5. 字符图像识别
基于深度学习的字符图像识别运用于电子签名，邮政信件等众多领域，同

89