基于蝗虫视觉神经的运动模式识别研究及应用
发布时间：2023-04-25 19:15
运动模式识别是借鉴或利用计算机视觉、计算几何、视觉神经网络等理论与方法构建计算模型并识别视野域中运动目标行为特征的研究分支,也是计算机视觉中极具挑战性的研究课题。如何构建恰当的计算模型,探究合适的算法来高效、准确识别运动模式,对人工智能自身发展具有重要的促进作用。传统计算模型虽能识别运动目标的少许行为特征,但运动模式识别难、环境适应能力弱。然而,作为能高效、准确识别运动模式的生物视觉系统在视觉神经生理学研究中已取得初步进展,为从计算机视觉角度探讨运动模式识别、目标跟踪、碰撞检测等视觉感知问题的计算模型提供了新启迪。就此,运动模式感知神经元的视觉响应机理已初步应用于构建适合于平移、径向等基本运动模式识别的人工视觉计算模型,但识别旋转、深度旋转、螺旋运动等基本运动模式的研究仍是亟待解决的基础性难题。由此,依据生物视觉系统中神经元的层次结构关系及视觉响应机理,提出既能简单模拟生物的视觉响应特性又能解决运动模式识别问题的人工视觉神经网络模型具有重要的科学意义和潜在的应用价值。本文基于蝗虫与猕猴的视觉神经生理学理论,以视觉系统感知与运动模式识别的生物理论为支撑,以旋转、深度旋转、螺旋运动为研究对...
【文章页数】：164 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 运动模式识别的研究进展
1.3.1 平移运动
1.3.2 径向运动
1.3.3 旋转运动
1.3.4 螺旋运动
1.4 论文结构安排
第二章 预备知识
2.1 蝗虫视觉神经系统
2.1.1 复眼的结构与功能
2.1.2 视叶的结构和功能
2.1.3 蝗虫的运动感知视觉通路
2.2 人工蝗虫视觉神经网络模型
2.3 基于LGMD的视觉运动感知神经网络
2.3.1 碰撞检测神经网络
2.3.2 方向选择神经网络
2.4 本章小结
第三章 旋转运动感知神经网络
3.1 旋转敏感神经元的视觉响应机理
3.2 旋转运动感知神经网络模型
3.2.1 突触前神经网络
3.2.2 方向柱
3.2.3 突触后神经网络
3.2.4 ccwRMPNN的算法描述
3.2.5 cw旋转运动感知神经网络
3.2.6 计算复杂度分析
3.3 数值实验与分析
3.3.1 实验环境与参数设置
3.3.2 旋转运动感知测试
3.3.3 神经网络的性能分析
3.3.4 灵敏度分析
3.3.5 神经网络比较分析
3.4 本章小结
第四章 深度旋转运动感知神经网络
4.1 深度旋转敏感神经元的视觉响应机理
4.2 深度旋转运动感知神经网络模型
4.2.1 突触前神经网络
4.2.2 突触后神经网络
4.2.3 DRPNN神经网络的模型结构与算法描述
4.2.4 计算复杂度分析
4.3 数值实验与分析
4.3.1 实验环境与参数设置
4.3.2 深度旋转感知测试
4.3.3 DRPNN的特性测试与分析
4.3.4 灵敏度分析
4.3.5 神经网络模型的比较分析
4.4 本章小结
第五章 螺旋运动感知神经网络
5.1 旋转运动选择神经元的视觉响应机理
5.2 螺旋运动感知神经网络模型
5.2.1 突触前神经网络
5.2.2 突触后神经网络
5.2.3 e-ccwSMPNN的模型结构与算法描述
5.2.4 其它类型螺旋运动感知神经网络
5.2.5 计算复杂度分析
5.3 数值实验与分析
5.3.1 实验环境与参数设置
5.3.2 螺旋运动感知测试
5.3.3 神经网络的特性测试与分析
5.3.4 灵敏度分析
5.3.5 神经网络模型的比较分析
5.4 本章小结
第六章 复杂场景下人群逃逸行为检测与预警
6.1 人群逃逸行为检测概述
6.2 LGMD神经元的视觉响应机理
6.3 人群逃逸行为检测神经网络模型
6.3.1 模型结构设计
6.3.2 人群逃逸行为预警方案
6.3.3 CEBDNN算法描述
6.3.4 计算复杂度分析
6.4 数值实验与分析
6.4.1 实验环境设置
6.4.2 CEBDNN的特性测试与分析
6.4.3 灵敏度分析
6.4.4 模型比较分析
6.5 本章小结
第七章 总结和展望
7.1 总结
7.2 工作展望
参考文献
附录一 攻读博士期间的科研成果
附录二 致谢
本文编号：3800891
【文章页数】：164 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 运动模式识别的研究进展
1.3.1 平移运动
1.3.2 径向运动
1.3.3 旋转运动
1.3.4 螺旋运动
1.4 论文结构安排
第二章 预备知识
2.1 蝗虫视觉神经系统
2.1.1 复眼的结构与功能
2.1.2 视叶的结构和功能
2.1.3 蝗虫的运动感知视觉通路
2.2 人工蝗虫视觉神经网络模型
2.3 基于LGMD的视觉运动感知神经网络
2.3.1 碰撞检测神经网络
2.3.2 方向选择神经网络
2.4 本章小结
第三章 旋转运动感知神经网络
3.1 旋转敏感神经元的视觉响应机理
3.2 旋转运动感知神经网络模型
3.2.1 突触前神经网络
3.2.2 方向柱
3.2.3 突触后神经网络
3.2.4 ccwRMPNN的算法描述
3.2.5 cw旋转运动感知神经网络
3.2.6 计算复杂度分析
3.3 数值实验与分析
3.3.1 实验环境与参数设置
3.3.2 旋转运动感知测试
3.3.3 神经网络的性能分析
3.3.4 灵敏度分析
3.3.5 神经网络比较分析
3.4 本章小结
第四章 深度旋转运动感知神经网络
4.1 深度旋转敏感神经元的视觉响应机理
4.2 深度旋转运动感知神经网络模型
4.2.1 突触前神经网络
4.2.2 突触后神经网络
4.2.3 DRPNN神经网络的模型结构与算法描述
4.2.4 计算复杂度分析
4.3 数值实验与分析
4.3.1 实验环境与参数设置
4.3.2 深度旋转感知测试
4.3.3 DRPNN的特性测试与分析
4.3.4 灵敏度分析
4.3.5 神经网络模型的比较分析
4.4 本章小结
第五章 螺旋运动感知神经网络
5.1 旋转运动选择神经元的视觉响应机理
5.2 螺旋运动感知神经网络模型
5.2.1 突触前神经网络
5.2.2 突触后神经网络
5.2.3 e-ccwSMPNN的模型结构与算法描述
5.2.4 其它类型螺旋运动感知神经网络
5.2.5 计算复杂度分析
5.3 数值实验与分析
5.3.1 实验环境与参数设置
5.3.2 螺旋运动感知测试
5.3.3 神经网络的特性测试与分析
5.3.4 灵敏度分析
5.3.5 神经网络模型的比较分析
5.4 本章小结
第六章 复杂场景下人群逃逸行为检测与预警
6.1 人群逃逸行为检测概述
6.2 LGMD神经元的视觉响应机理
6.3 人群逃逸行为检测神经网络模型
6.3.1 模型结构设计
6.3.2 人群逃逸行为预警方案
6.3.3 CEBDNN算法描述
6.3.4 计算复杂度分析
6.4 数值实验与分析
6.4.1 实验环境设置
6.4.2 CEBDNN的特性测试与分析
6.4.3 灵敏度分析
6.4.4 模型比较分析
6.5 本章小结
第七章 总结和展望
7.1 总结
7.2 工作展望
参考文献
附录一 攻读博士期间的科研成果
附录二 致谢
本文编号：3800891
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3800891.html
