论文部分内容阅读
自我控制能力是指个体对自我心理以及行为的主动调节能力。自我控制能力强的人可以更好地遵守规则,抵御诱惑。一个人的自我控制能力在儿童时期便有迹可循。延迟满足实验是评测学龄前儿童自我控制能力的经典心理学实验,如何从该实验视频中检测和分析儿童的一些关键行为、获取有效的行为指标,是该实验的一个重要目标。然而,采用传统基于人工标记的儿童延迟满足行为编码不仅耗时、耗力,而且具有一定的主观性。因此,本文将探索基于计算机视觉技术下的自动儿童延迟满足行为分析,解决传统人工编码的局限性。具体地,本文针对延迟满足实验中的儿童延迟满足行为视频分析问题,开展视频中的儿童延迟满足行为特征提取、行为分析和系统构建等多个方面研究内容。主要成果包括以下三个方面:(1)提出了一个基于交除并(Intersection over Union,IOU)和位移特征的儿童延迟满足行为分析方法。针对以手、嘴等身体部件与食物、铃铛等物体之间的交互延迟满足行为分析问题,研究延迟满足实验场景中的特定物体的自动检测方法,在此基础上进行行为特征提取建模,最后运用支持向量机(Support Vector Machine,SVM)分类器判断某段时间内是否出现某行为,从而完成对儿童延迟满足行为的分析。(2)提出了多种提升儿童延迟满足行为分析效果的策略。针对目标检测中的漏检和误检问题,在目标检测过程中集成了自适应阈值、关联滤波跟踪、面部关键点定位等一系列技术,有效地缓解了由于遮挡、分辨率低所导致的视频目标检测效果较差的现象。(3)设计并实现了一个基于延迟满足实验的儿童行为分析原型系统。该系统能够实时地对儿童参与延迟满足实验的过程进行分析、自动标记儿童延迟满足行为发生的时刻,并分析和评价儿童自我控制能力。