Page 181 - 基于人工智能的图像识别技术研究

第三章 人工智能与图像识别

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，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定们来优化图像。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。深度学习在跌到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，同时
取得了一定的成绩，但是早些年字符图像识别技术存在一些问题，过于依赖人工
对于字符的预先处理。很明显这种识别的识别效率以及可靠性均不高。当深度

学习技术流行之后，部分研究者开始运用该项技术研究字符的图像识别工作。在
MNIST数据集上取得了一定成绩，明显减少了识别的错误率，这确保了机器和

173