人工智能教育的缺点范例6篇

前言:中文期刊网精心挑选了人工智能教育的缺点范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。

人工智能教育的缺点

人工智能教育的缺点范文1

关键词:人工智能;智能化计算机辅助教学;专家系统;知识库

中图分类号:TP18文献标识码:A文章编号:1009-3044(2007)12-21667-02

The Application of Artificial Intelligence in Education

HU Ji-li,YIN Yun-xia

( Anhui University of Traditional Chinese Medicine, Hefei 230038,China)

Abstract:As a result of the interpenetration of older branches into each other, scientific theories and their application of Artificial Intelligence have expanded into nearly all the areas of human activity. This paper introduces the application of Artificial Intelligence in education, especially deals with Intelligence Computer Aided Instruction based on the artificial Intelligence.

Key words:Artificial Intelligence;CAI;expert system;knowledge base

1 引言

人工智能作为当今世界三大尖端技术(空间技术、能源技术和人工智能技术)之一,是计算机科学的一个分支,它的目标是构造能表现出一定智能行为的。人工智能是一门极富挑战性的科学,从事这项工作的人必须懂得计算机知识、心理学和哲学、机器学习、计算机视觉等。总的说来,人工智能的目的就是让计算机这台机器能够像人一样思考。人工智能的研究更多的是结合具体领域进行的,主要研究领域有专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决定支持系统和人工神经网络。它总的来说是面向应用的,随着人工智能的诞生和发展, 人们开始把计算机用于教学领域。同时, 自七十年代以来, 有教学能力的专家系统得到研制。人工智能技术与专家系统的成就, 促使人们把问题求解、知识表示这些技术引入计算机辅助教学(CAI) , 这便是智能型计算机辅助教学(CAI)。

近几十年来, 随着人工智能技术的日渐成熟, 它的一些研究成果被陆续应用到教学领域, 推进了教育发展改革和教学现代化进程。人工智能在教学系统的重要性也已形成共识。

2 人工智能在教育中的作用

目前在教育技术中涉及到AI的主要有以下领域:

2.1 知识的表示与访问

基于人工智能的知识表示是以知识为对象,以计算机的软硬件和计算机科学及人工智能和专家系统技术为工具,以哲学、心理学和逻辑学等为方法和指导,将知识表达成计算机可以直接处理的“知识库”,使用“计算机的智能”来模拟人类专家或“人类智能”,对知识进行快速、精确、自动、科学的处理。它不属于通常的“数据管理或信息管理”的“数据”层次,而是属于“知识处理”或“知识”的智能化层次。其主要内容是对于知识进行形式化的表示、自动化的推理,智能化的教学或创造。计算机辅助教育是其中重要的组成部分。

2.2 符号计算

符号计算包括数值计算、符号计算和函数作图。其代表软件是Mathematica,当该软件在1988年第一次,对科技及很多其他领域的计算机使用方式产生了深刻的影响。Mathematica 1.0时,商业周报将其列入当年最重要的十大新产品名单。这标志着现代科技计算的开始。Mathematica也被大量地用于教育:有成百上千的课程,从高中课程到研究生课程用它作基础。随着各种学生版的,Mathematica也已成为全世界各种不同专业学生的重要工具。

2.3 对学生错误的自动诊断

采用人工智能技术,使得教学过程中系统可以自动诊断学生的学习水平,不仅能发现学生的错误,而且能指出学生错误的根源,从而做出有针对性的辅导或学习建议。而且根据学生的特点自动选择教学内容,自动调整教学进度,自动选择教学策略与方法。

2.4 实现智能性超媒体教学系统

超媒体系统有理想的教学环境,容易激发学生的学习兴趣和学习主动性,但不能保证达到预期的学习目的,而且由于不了解所要教的对象,所以不能做到有针对性的指导,不能因材施教。智能辅助教学系统正好与此相反。将二者结合起来,就可实现性能互补,从而研究制出新一代高性能的智能超媒体教学系统。

3 人工智能应用于教育的新方向:ICAI

3.1 传统CAI的不足

传统的CAI由于其集成性、交互性、多媒体性等特点,在教学中可以极大地激发学生的学习动机,提高教师的教学效率和学生的学习效率。但在使用过程中,CAI的一些弱点也逐渐暴露出来。主要表现有:

(1)缺乏人机交互能力

现有CAI 大多以光盘作为信息的载体, 将教材中的内容以多媒体的形式展现出来, 教学信息是按预置的教学流程机械式地提供给学生的, 学生接受起来很被动。而且在课堂教学中, 一般也只能通过教师按预定的课件流程进行操作, 无论学生还是教师都不能很好地参与教与学的过程, 因此人机交互没有很好地实现。

(2)缺乏教师与学生的互动

现有的CAI 课件在学生自学、进行操作使用时,如何学习都是学生自己的事。教师不能完全了解学生的情况,学生在碰到问题时,也不能向教师求助,师生之间是互相封闭的,软件所起的积极效果大打折扣。同时由于缺乏网络支持,现有的绝大多数CAI 课件是在单机环境下运行的,它们无法利用网络的优势使知识内容快速更新,也更无法提供便捷的学习讨论空间、随时随地的师生交流方式以及远程教学实现的条件。

(3)缺乏智能性

要想面对不同情况的学生进行不同程度的教学过程, 使学生的学习变为主动, 并能由系统自动地提供助学信息而有选择地学习,要想使教师的教学能积极地参与进去并根据系统提供的信息按照学生的认知模型为其准备最适合的学习内容, 给予不同方式的教学模式与方法, 没有智能性的CAI 课件系统, 是很难实现以上目的并达到良好教学效果的。由此可见,现有的CAI 随着人们要求的提高, 已经不能尽如人意。因此以智能CAI 为代表的新的计算机辅助教学系统将是教师在教育技术上需要不断探求、努力实现的发展方向索。

3.2 ICAI-人工智能与多媒体技术的结合

为了克服传统CAI的缺点,需要在知识表示、推理方法和自然语言理解等方面应用人工智能原理。因此很多专家提出了智能计算机辅助教学(ICAI),智能计算机辅助教学(Intelligence Computer Assisted Instruction-ICAI)以认知学为理论基础。将人工智能技术应用于CAI,是智能化的CAI。在ICAI系统中,允许学生与计算机进行较自由的对话,学生的应答不限于数字或简单的短语。系统能够判定学生应答的正确程度,并给予适当的反馈,而不是简单地说“对”或“错”。ICAI的宗旨在于利用现有计算机技术实现较好的人工智能,模仿人类的交互方式、思维习惯及情绪流动,修饰和掩盖计算机的缺陷。

3.3 ICAI的优点

(1)将教学内容与教学策略分开,根据学生的认知模型提供的信息,通过智能系统的搜索与推理,动态生成适合于个别化教学的内容与策略。

(2)通过智能诊断机制判断学生的学习水平,分析学生产生错误的原因,同时向学生提出更改建议、以及进一步学习内容的建议。

(3)通过对全体学生出现的错误分布统计,智能诊断机制将向教师提供教学重点、方式、测试重点、题型的建议。

(4)为教师提供友好的教学内容、测试内容维护界面,无需改变软件的结构即可调整教学策略。

(5)通过对学生认知模型、教学内容、测试结果的智能分析,向教学督导人员提供对任课教师教学业绩评价的参考意见。可以说,一个理想、完美的ICAI系统就是一个自主、优秀的“教师”。

3.4 ICAI的标准

以现有的科学技术水平而言,短时期内显然无法实现具备上述全部功能的ICAI系统。一般认为,只要具有下列一个或几个特征的CAI系统就可以称之为ICAI系统。

(1)能自动生成各种问题与练习。

(2)根据学生的学习水平与学习情况选择与调整学习内容和进度。

(3)在了解教学内容的基础上自动解决问题,生成解答。

(4)具有自然语言生成与理解能力,以便实现比较自由的教学问答系统,提高人机交互的主动性。

(5)对教学内容有解释咨询能力。

(6)能诊断学生错误,分析原因并采取纠正措施。

(7)能评价学生的学习行为。

(8)能评价教师的教学行为。

不难看出,ICAI与传统的CAI相比,更加符合教育教学的规律,切合学生的认知习惯,具有明显的优越性。

3.5 ICAI的结构

ICAI主要由三个模块组成:专家系统模块、教师模块和学生模块。

(1)知识库

知识库是实现知识推理与专家系统的基础,而建造知识库的前提则是要解决知识的形式化,人工智能技术在教育中的应用表示以及知识的访问与调用问题。因此,知识的表示与访问是人工智能的核心技术之一,也是将AI引入教育领域必须首先解决的一个难题。

ICAI中的资源库应该包括以下一些内容:

①多媒体素材库:包括所要呈现的知识的一些素材,包括:文本、图像、声音、动画及数字影象等多媒体教学资源。这些用于多媒体数据库管理,便于分类、增删、修改及查询等操作。

②教学内容库:教学内容库用于存放教学内容,包括领域知识库(含辅助知识库、提示帮助库、练习题库,和测试题库)。这些教学内容,包括习题和试题分章、节、课及知识点等有序存贮。供专家决策系统调用。

(2)学生模块

学生模块主要包括以下三个模块:学生登陆模块、学生水平评价模块和学生监督模块。

①学生登陆模块:利用该模块主要用于学生使用ICAI时登录,第一次登录时学生输人姓名、性别、年龄、学历等相关信息,然后对学生进行询问,选择合适的测验题对学生进行初测推荐学习计划。当再次登录时,系统根据保存的信息安排合适的学习内容。

②学生水平评价模块:学生水平测试模块用于评价某一教学单元学习完后测试成绩。通过测试等因素分析,可以比较确切地了解学生的具体情况,从而制定出合理的教学策略和教学过程

③学习监测模块:学习检侧模块用于监测记录学生的日常学习情况,记录学生学习某教学单元时的参数值,并记录在学生档案中。包括:学生目前学习单元号;学习方式;正常学习、练习、提前浏览、学后复习;学习时间;学生提示问题的类型和次数;学生本次练习出错次数。

(3)专家决策模块

CAI中的专家决策系统可以看作专家系统中的推理机。专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领域内大量知识与经验的程序系统,它应用人工智能技术,模拟人类专家求解问题的思维过程求解领域内的各种问题,其水平可以达到甚至超过入类专家的水平。计算机中存有人类专家的知识并具有推理能力,从而可解决诊断、规划、调度、预报、决策等要靠人类专家才能完成的任务。

成功的例子如:① DENDRL系统的性能已超过一般专家的水平,可供数百人在化学结构分析方面的使用;②MYCIN系统可以对血液传染病的诊断治疗方案提供咨询意见经正式鉴定结果,对患有细菌血液病、脑膜炎方而的诊断和提供治疗方案已超过了这方面的专家。

ICAI根据学生模块提供的学生学习情况,通过智能系统的搜索与推理,得出智能化的教学方法与教学策略,能够较科学地评估学生的学习水平,还可以通过分析学生以往的学习兴趣和学习习惯,预测学生的知识需求和常犯错误,动态地将不同的学习内容、学习方法与不同的学生匹配,智能地分析学生错误的原因,进而有针对地提出合理的教学建议、学习建议以及改进方法,既提高了学生学习的满意度,激发了学生的学习热情,也对教师教学提供了客观的依据和科学的方法。

4 结束语

由此可见人工智能技术已经逐步应用于计算机辅助教学中,与教学现代化有着密切的关系。人工智能技术的发展也必将会对ICAI 的发展起到巨大推动作用。近几年来,人工智能的研究者们尝试着使学生脱离“辅导学习”的过程来接受新知识,而采用“通过活动进行学习”的方式。在教学的其他方面,人工智能技术还可以建立人类推理模型学习工具等诸多的运用, 展示出越来越好的实用性。随着Internet 的发展,虚拟现实技术的广泛应用, ICAI 也将得到进一步的完善。21 世纪的教育教学手段将是以智能化CAI 为主线,多学科、多方位发展的新技术的体现。这种手段产生了人机交互、人机共生等全新概念,使人类扩展了自己的能力,促进了教育领域方方面面的改革。

参考文献:

[1]王万森.人工智能原理及其应用[M].北京:电子工业出版社,2000.

人工智能教育的缺点范文2

关键词:多媒体技术;教学;模式;发展趋势

多媒体技术自诞生以来就一直受到人们关注,人们将多媒体技术应用于各个领域,多媒体课堂的诞生给教育领域带来了前所未有的机遇。尤其是随着因特网的快速发展,多媒体技术不断更新进步,多媒体课堂也变得越来越丰富,同时在各个阶段的教学中也发挥着越来越大的作用。它与传统课堂相结合,使理论与实践良好的结合,在未来的发展中更让人们充满憧憬。

多媒体教学的发展是随着计算机的发展展开的,大致可分为三个发展模式。第一种是基于单机的传统多媒体教学模式,自七十年代多媒体技术应用在教学中就是采用这种最基本的模式,因为单机的传统模式技术要求不高,所以在之后的几十年发展过程中,这种模式一直是应用最广泛的,但是其有自身缺点,它的制作周期长,质量和规范上有问题,尤其是课件技术含量低,知识更新慢;第二种为基于局域网的多媒体教学模式,这种模式基于第一种传统单机模式,仍然需要制作单机模式中的课件,其进步之处就是网络教学平台的运用。与单机传统模式相比有许多优点;第三种为基于因特网的现代多媒体教学模式,这种模式较前两个模式有巨大进步,虽然也需要多媒体的基本元素,但是因为因特网的出现,它摆脱了光盘和局域网,能够实现教学资源的共享,提供非常丰富的教育服务。

二十一世纪是互联网的世纪,网络无处不在,在未来的课堂上,网络的运用会愈加成熟,根据国内外学者的观点以及对多媒体技术发展的分析,展望未来多媒体技术在教学中的发展趋势:

一、多媒体技术与网络通信技术的结合

3G是3rd-Generation的简称,即指第三代数字通信技术,大大提高了数据和声音的传输速度,3G技术很强大,它不仅能处理图像和音频这些媒体形式,还能够处理包括视频等多种媒体形式。移动通信网络和有限的网络有效地集成在一起,主要由无线连接,有限的网络和手持终端三部分组成的。传统的封闭学习受到空间的限制,即使是后来的互联网与多媒体技术的整合也无法摆脱有线互联网不能移动的问题,然而3G技术改善此问题,从而可以广泛应用到教育的各个领域中。随着3G技术的发展和广泛的推广应用,教育手段和教学方式将发生革命性的变化。

二、多媒体技术与仿真技术的结合

仿真技术在多媒体技术中的应用可以称为虚拟现实,使身临其境的人进入虚拟现实境界,从而产生一种强烈的幻觉。

由于设备价格昂贵,虚拟现实技术主要应用于一些特殊的部门,如军事模拟和游戏中对虚拟现实技术的应用,但在教育领域有广阔的应用前景,对教育技术来说是一个飞跃。它将"自主学习"的环境引入课堂,学习者通过自身与信息环境的相互作用来得到知识、技能,这种新型的学习方式代替了传统的以教促学的学习方式。

虚拟现实技术能够应用到现实教学之中,可以应用在诸多方面,总结主要有:(1)模拟在现实中存在的,但教师在课堂之中无法表现出来的景物,方便学生的研究和探讨,如火山爆发、人类登月等。(2)模拟在现实中不存在的,但它可能会在将来发生的事情,主要是可以培养学生的创造性思维能力。(3)创造一个外语学习环境,使你如同置身异国他乡,这样可缩短学时,提高效率。(4)模拟一些受时空限制的事物,但在课堂上可以激发学生的兴趣,满足学生的求知欲望,例如地壳变动、大陆板块漂移、海底活动、太空旅行等。通过这种技术应用,可以提高学生的学习兴趣,提供实际生活中观察不到的视点,使得抽象问题形象化。

随着仿真技术的发展与成熟,相信会逐步应用到各个教育领域,现如今许多高校将科研成果转化成了实用技术,如浙江大学、哈尔滨工业大学、清华大学等高校建起了虚拟现实与系统仿真的研究室,拥有传统实验室无法比拟的优势,随着各个科研机构的努力,那么多媒体技术与仿真技术的结合将来就有可能会进入普通课堂之中。

三、多媒体技术与人工智能技术的结合

随着科学技术不断发展,现在人们中生活的智能化水平越来越高。人工智能技术属于计算机科学,人工智能技术涉及很多学科,如生理学、哲学等。它是一门涉及广、综合性强的学科。发展到二十一世纪,人类社会的现代化的步伐加快,科学家对人工智能不断深入研究并与教育信息化相融合,两者的不断发展,使得人工智能技术在教育领域的应用越来越受到人们的重视,同时我国许多专家将人工智能技术与现阶段我国的教育教学相结合,从而适应我国国情发展,从最大利益上推进我国教育事业的发展,并取得了巨大进步。近年来,随着我国技术的成熟,国内教育界对于多媒体技术与人工智能技术的结合的研究范围广泛,同时关注度较高,涉及教育教学的许多方面,主要表现举例如下:一、智能教学系统(ITS),它起源于计算机辅助教学( C A I ) ,并从其基础上进一步发展。它能够模仿人类专家的思维,充分结合学生自身的特征,对其实施个性化教学。二、智能(Agent) 技术,智能(Agent)技术在教育中的应用,是一个移动的计算机程序,主动的服务模式,自动的操作系统,具有自主性、能动性、适应性和灵活性的特点,它已广泛应用于教育教学,智能的典型应用,智能教育学生教师的智能信息等等。三、智能答疑系统,未来开发智能答疑系统,人工智能技术在问答系统中的应用,克服在问答系统中的个性化互动问题的不足,能有效地解决学生困难的问题,消除学生的学习障碍,促进学习。

通过几十年的发展,多媒体教学给学生课堂带来了前所未有的进步,是被教师和学生都接受的教学手段。合理地利用多媒体教学,可以创造生动的教学情景,进而激发学生的学习兴趣,优化课堂教学,提高教学质量。但在实际教学中也确实存在许多问题,多媒体课堂并不能完全代替传统课堂教学,教师无论在何种课堂上都应该以授课为主,以学生为中心,帮助学生学习知识和成长。在未来的多媒体课堂上多少都会对教师有一定的要求,授课教师应该经常更新自己的课件,同时要熟练设备的操作,规划好自己的教学时间与内容。因此,要适应多媒体教学应用的发展趋势,教师要做到一些改变,包括教学观念的变化,教学内容的变化,教学手段的革新等等。时代是发展的,教师们要紧随这种潮流,不断学习,不断更新自己的教学方法和理念。同时,教育界专家和学者也要长期面对和研究多媒体技术在教学中的发展趋势。随着不断的尝试与改变,多媒体教学会给人们带来更多的惊喜与期待。

参考文献:

[1]丁俊.多媒体技术在计算机教学中的应用[J].福建电脑,2006,(5).

[2]赖文继.关于多媒体教学新模式的探究[J].桂林电子工业学院学报,2005,(2).

人工智能教育的缺点范文3

关键词关键词:Unity3D;教育游戏;有限状态机;模糊状态设计;数据库

DOIDOI:10.11907/rjdk.162005

中图分类号:TP319

文献标识码:A 文章编号文章编号:16727800(2016)011007903

0 引言

教育游戏是利用游戏手段进行知识传授的具有教育功能的电脑游戏软件[13]。区别于单纯的娱乐游戏,教育游戏主要是为游戏者在游戏的整个过程中提供教育功能。传统的政治教育大都采用讲授、视频演示的形式,教育方式单一、被动、不够灵活,教育效果受限。此外,教育游戏多集中在自然科学类的课程中,社科类课程鲜有涉及。因此,研究一款用于社科教育的教育游戏,对其教育手段的拓展具有重要意义。

目前,关于教育游戏的游戏形式研究主要包括以下几个方面:①二维的平面益智类游戏,锻炼学员的数理能力;②户外游戏,一般用作心理疏导与心理教育;③运用虚拟现实等技术制作的三维游戏,大多是高新技术的体验教育,是游戏教育努力寻找的突破点[2]。3D游戏有很多种类,根据角色视角,一般分为第一人称视角游戏与第三人称视角游戏,第一人称游戏(FPS)是众多3D游戏实现难度最大的游戏,也是与用户交互最多、沉浸感最强、形式最丰富的游戏。采用FPS游戏对于加强教育的趣味性、丰富教育手段的可能性都大有裨益。

Unity3D是由丹麦Unity Technologies公司开发的一款专业游戏引擎,具有高度优化的图形渲染管道和内建的NVIDIA PhysX物理引擎,能较真实地模拟三维空间下物体的运动和碰撞,并通过GUI、粒子系统、声效等辅助手段给用户以反馈,用来快速制作三维视频、游戏、建筑可视化、信息可视化等互动内容[45]。本文将基于Unity3D这一游戏引擎,采用具有更丰富的、更生动的第一人称视角游戏形式,构建一款社科类教育游戏。

1 游戏规则与关卡设计

第一人称视角游戏最为成熟的作品即《Control Strike》,是较早出现的一种游戏,游戏形式也最为典型。其形式是敌我双方战士在一个特定的地理环境下进行枪战,游戏中有丰富的枪支,如:95自动步枪、AK-47等,对战过程中需要对弹药进行补给,通过击毙对方取得胜利。这类游戏规则典型、学生上手快,能够将精力集中在教育知识的设计上,如果能与政治教育很好地结合起来则能够达到事半功倍的效果,这也是人们采用该游戏规则的缘由所在。

政治教育的核心组成部分是爱国教育,爱国是中华民族的传统美德。目前,敌对势力依然对我国领土虎视眈眈。因此,选定保卫岛屿作为教育游戏的主题背景,既符合政治教育内容的需要,也更符合时政热点的聚焦,易被学生接受。

本文设计是选定在某一岛屿上,将学生假想为保卫该岛屿的战士,通过答题的方式积累自己的教育经验值,教育经验值作为枪支与补给弹药的交易条件。这样不仅有利于学生对岛屿地理环境的了解,以及枪支弹药相关知识的学习,而且在游戏过程中将政治教育学习经验值作为自己的武装储备,更为重要的是在对战中深化了保卫岛屿的爱国情怀。

具体环节设计如图1所示 ,即为:开始-知识问答(或知识库学习)-答题获取知识币-主装备选择(购买枪支)-副装备选择(购买弹药)-进入保卫战场-对战-胜利(获得荣誉勋章)。

2 关键技术

2.1 游戏场景构建

游戏场景是影响FPS类游戏十分重要的组成部分。好的游戏效果不仅仅在逻辑上环环相扣,在场景上也是栩栩如生,使用户有身临其境的感觉。游戏场景根据目前的场景构建,主要包括地形环境、天空盒、植被、地物、河流等。

地形环境能够给用户情景认识最真切的感受,只有地形相似才能更好让用户融入到角色中。为了创建真实的岛屿地理环境,采用了1:50 000的遥感影像数据与DEM数据,通过地理数据转换工具,转成Unity3D支持的文件格式。尽管1:50 000的地形数据精度已经非常高,但对于刻画大比例尺的近景虚拟环境,遥感影像的分辨率还是比较模糊。Unity3D提供了Terrian工具,该工具支持纹理材质的叠加,为此,根据视觉需要叠加一部分人为设计的纹理,通过混合纹理处理,图像既富有一定的真实感,又能符合场景分辨率的需要,场景示例如图2所示。

对于环境细节刻画方面,在了解岛屿环境的基础上,运用Unity3D提供的粒子系统工具,如:爆炸效果、火焰效果、水流等构建环境的细节,将岛上的植被、水文等地物外貌复原,据此来刻画岛屿的地形模型。为了提高游戏的体验和丰富性,在地形上添加一些人为的障碍物,如一些箱子、油桶等障碍物,如图3所示。

2.2 基于FSM与FuSM的人工智能设计

在大多数主流游戏中,NPC(Non-Player Character,即非玩家角色)是人工智能的主要应用对象。人工智能的实现是游戏设计的难点,包括规则对象、规则时间以及响应规则。NPC在游戏中如何获得分析、判断能力,对于游戏主控者作出的相应行为能力等都是人工智能研究的问题。

主流游戏中的人工智能设计普遍都采用了两种技术,即有限状态机(Finite State Machine,FSM)和模糊状态设计(Fuzzy State Machine,FuSM)。FSM是包含一组状态集(states)、一个骑士状态(start state)、一组输入符号集(alphabet)、一个映射输入符号和当前状态到下一状态的转换函数(transition function)的计算模型。这样,游戏开发人员通过FSM可以很清楚地把握NPC的行为,一旦知道NPC当前的状态和输入,就可以准确地作出反应行为[67]。

但是,游戏中的FSM非常复杂,在实际编程中要实现复杂的FSM,通常写一个通用的FSM类,然后根据不同的外部数据决定NPC的不同行为。FSM所建立的是一种确定的行为系统,因而此技术设计下的NPC决策速度比较快。但是,使用FSM也有一个致命的缺点:过于城市化。

FuSM的基本思想就是在FSM的基础上引入不确定性。在FuSM中,目标状态的转换由概率决定,即有输入和NPC的当前状态,并不能确定下一个状态。具体实现方法,就是设计一些简单的FSM,然后通过设定不同的海陆,从而产生行为各异的NPC。通过修改概率设定来控制NPC行为的改变。

2.3 数据库

数据是程序的基础、系统的基石,游戏系统的一切操作都是在数据上进行。对于本教育游戏系统,其数据主要包括场景模型数据、角色模型数据等系统的可视化数据,以及具备知识普及和传递的智库数据。

该系统的智库数据有两个部分:一是武器弹药型号数据,二是关于政治教育知识题库数据。武器弹药型号数据包括名称、型号、尺寸、制作时间、图片等。

题库设计要求有一个灵活的接口,这样可以依据不同时政知识的需求来加载不同的内容。这部分数据是相关知识题型,按照文件内容要求加载即可,使得系统具有很好的兼容性。主要的数据类型为:题号、题干、选项、题型等。

3 游戏设计与实现

3.1 游戏系统结构

教育游戏FPS系统主要包括数据、驱动引擎、功能模块、界面等方面的构建。数据库主要有地形数据、环境音效数据等功能模块是在游戏规则与关卡设计的引领下,基于Unity3D将数据库中的数据按照逻辑设计算法组织成相应的模块,从而构建起符合设计的功能;界面是游戏与用户交互的窗口,直接影响游戏效果。具体系统结构设计如图4所示。

3.2 系统实现与分析

本文的教育游戏系统效果如图5―图8所示。图5是系统答题画面以选择题作为试用题型;图6是装备选择画面,能够获取到准确的武器装备信息;图7是FPS游戏对战实时狙击画面;图8是游戏中弹药爆炸的粒子效果场景画面。

4 结语

本文简述了社科类课程的教育现状,分析了当前各种教育游戏方法的特点,基于现有的游戏引擎Unity3D,根据政治教育的目标与特点,设计了一款适用于政治教育类的FPS教育游戏。采用真实的1:50 000地形数据以及Unity3D中的Terrain工具,模拟了真实感强的大比例尺地理环境,并在场景中运用音效、粒子系统等手段丰富环境。针对教育游戏中的NPC采用了FSM与FuSM结合的方法,构建了灵活的人工智能提升了教育游戏的智能化。游戏集成了知识智库模块,通过游戏过程需求的牵引普及并传递了政治教育的相关知识,完成了一定的教育目标,是社科类课程教育游戏的一次尝试。同时,该游戏在场景模拟、知识与游戏的有机结合等方面还存在许多问题,需进一步研究改进。

参考文献:

[1] 张文兰,张俊生.教育游戏的本质与价值审思――从游戏视角看教育与游戏的结合[J].开放教育研究,2007,13(5):6468.

[2] AMORY A.Building an educational adventure game:theory,design and lessons[J].Journal of Interactive Learning Research,2001,129(2/3):249264.

[3] 焦树国,王闯.教育游戏理论与开发[J].电脑知识与技术,2010,6(12):29642965.

[4] 宣雨松.Unity 3D游戏开发[D].北京:人民邮电出版社,2012.

[5] 王树斌.浅析Unity3D开发游戏流程及常用技术[J].电脑知识与技术,2012,8(8):53515352.

人工智能教育的缺点范文4

关键词: 机器学习 人工智能 基本模型

1.引言

“机器学习”是人工智能的重要研究领域之一。机器学习的定义是“系统通过积累经验而改善系统自身的性能”。通俗地说,就是让机器去学习,利用学到的知识来指导下一步的判断。最初研究机器学习,是让计算机具有学习的能力,以实现智能化。因为人们认为具有人工智能的系统首先必须具有学习能力。机器学习的研究始于神经元模型研究,此后又经历了符号概念获取、知识强化学习研究阶段,至今已发展到连接学习和混合型学习研究阶段。

2.机器学习系统的基本模型

根据机器学习的定义,建立如图1所示的机器学习基本模型。

模型中包含学习系统的四个基本组成环节。

环境和知识库是以某种知识表示形式表达的信息的集合,分别代表外界信息来源和系统具有的知识。学习环节和执行环节代表两个过程。学习环节处理环境提供的信息,以便改善知识库中的知识。执行环节是整个机器学习系统的核心。利用知识库中的知识来完成某种任务,并把执行中获得的信息送还给学习环节。

2.1机器学习的分类

很多学者从不同的角度对机器学习进行了分类,这里简单阐述一下继续学习策略的机器学习的种类。按照学习策略的不同,机器学习分为机械学习、归纳学习、基于解释的学习、基于神经网络的学习和基于遗传算法的学习。

2.1.1机械学习

机械学习(Rote Learning)就是“死记硬背式的学习”,靠记忆存储知识,需要时检索已经存下来的知识使用,不需要计算和推理。机械学习的模式如下:需要解决的问题为{y,y,...,yn},输入已知信息{x,x,...x}后,解决了该问题,于是将记录对{{x,x,...,x},{y,y,...,y}}存入数据库,以后当遇到问{y,y,...,y}时,检索数据库,即可得到问题{y,y,...,y}的解答是{x,x,...,x}。

能实现机械式学习算法的系统只需具备两种基本技能:记忆与检索。此外,存储的合理安排,信息的合理结合,以及检索最优方向的控制也是系统应该考虑的问题。该算法简单、容易实现、计算快速,但是由于系统不具备归纳推理的功能,对每个不同的问题,即使是类似的问题,也需要知识库中有不同的记录。因此占用大量的存储空间,这是典型的以空间换时间的算法。

2.1.2归纳学习

归纳学习是应用归纳推理进行学习的一种方法。归纳学习的过程是由特殊实例推导出一般情况的过程,这样就使类似的问题可以利用同样的方法求解。归纳学习的过程就是示例空间与规则空间的相互利用与反馈。1974年,Simon和Lea提出了双空间模型,形象地对这一执行过程进行了描述,如图2所示。

归纳学习算法简单,节省存储空间,在一段时间内得到了广泛的应用。在应用过程中,该算法逐渐显现出它的缺点:(1)归纳结论是通过对大量的实例分析得出的,这就要求结论的得出要有大量实例作支撑,而这在许多领域都是无法满足的。(2)归纳结论是由不完全训练集得出的,因而其正确性无法保证,只能使结论以一定概率成立。(3)该算法通过对实例的分析与对比得出结论,对于信息的重要性与相关关系无法辨别。

2.1.3基于解释的学习

基于解释的学习(Explanation-Based Learning)是运用已知相关领域的知识及训练实例,对某个目标概念进行学习,并通过后继的不断练习,得到目标概念的一般化描述。该学习的执行过程如图3所示。

这种方式的学习得到一个领域完善的知识往往是比较困难的,这就对该算法提出了更高的要求。为解决知识不完善领域的问题,有以下两个研究方向[2]:(1)改进该算法使其在不完善的领域理论中依然有效。(2)扩充该领域的知识使其拥有更强的解释能力。通常情况下,第二种改进方法更重要些。

2.1.4基于神经网络的学习

神经网络是由许多类似神经元的节点和它们之间带权的连接组成的复杂网络结构,是为模仿人类大脑的复杂神经结构而建立起来的抽象数据模型,希望相似的拓扑结构可以使机器像人脑一样进行数据的分析、存储与使用。神经网络学习的过程就是不断修正连接权的过程。在网络的使用过程中,对于特定的输入模式,神经网络通过前向计算,产生一个输出模式,并得到节点代表的逻辑概念,通过对输出信号的比较与分析可以得到特定解。在整个过程中,神经元之间具有一定的冗余性,且允许输入模式偏离学习样本,因此神经网络的计算行为具有良好的并行分布、容错和抗噪能力。

神经网络学习算法是一种仿真算法,拥有良好的认识模拟能力和有高度的并行分布式处理能力。但神经网络模型及其参数设置难以确定,需要长时间的试验摸索过程。并且,对于最后得到的神经网络,其反映的知识往往难以让人理解。为解决这些问题,构造神经网络集成并从神经网络或神经网络集成中抽取规则成为当前研究的热点。

2.1.5基于遗传算法的学习

遗传算法以自然进化和遗传学为基础,通过模拟自然界中生物的繁殖与进化过程,使训练结果逐渐优化。与遗传过程类似,在学习过程中,通过选择最好结果并使其组合产生下一代,使“优秀的遗传因子”逐代积累,最后得到最优的解。遗传算法解决了神经网络学习中的一个缺点,它不需要知道原始信息而只需知道学习的目的即可进行,具有很强的并行计算能力和适应能力。此外,遗传算法采取的随机搜索方法提高了该学习算法对全局搜索的能力。遗传算法的缺点主要体现在三个方面:无法确定最终解的全局最优性;无法控制遗传过程中变异的方向;无法有效地确定进化终止条件。基于这三个缺点,有人提出了遗传算法与其他学习算法的结合,优点互补已达到更好的效果。

3.结语

机器学习在过去十几年中取得了飞速的发展,目前已经成为子领域众多、内涵非常丰富的学科领域。“更多、更好地解决实际问题”成为机器学习发展的驱动力。事实上,过去若干年中出现的很多新的研究方向,例如半监督学习、代价敏感学习等,都起源于实际应用中抽象出来的问题,而机器学习的研究进展,也很快就在众多应用领域中发挥作用。机器学习正在逐渐成为基础性、透明化、无处不在的支持技术、服务技术。

参考文献:

[1]周志华.机器学习与数据挖掘[J].

人工智能教育的缺点范文5

[关键词]智能机器人 师范院校 教师教育 师范模式

一、引言

20世纪90年代以来,随着科技的进步,人工智能技术的发展,智能机器人在全世界范围内掀起了一股热潮。随着机器人技术理念的逐步完善和相关设备更新,人们也将越来越重视智能机器人的教学和竞赛活动。正是因为看到了这一点,我国的高等教育以及中小学教育在这方面也都投入了巨大的热情和精力,智能机器人教育在学校教育中的地位也越来越重要。笔者通过文献检索发现,智能机器人教育在国内外已不是少数学校的事。

1.国内外高校智能机器人教育开展现状

无论国内还是国外,在高校开设智能机器人教育课程的现象已经非常普遍。但主要是一些综合性大学。比如日本是世界上机器人教育和机器人文化普及最高的国家之一,在日本不仅每所大学具有高水平的机器人研究和教学内容,且每年举行多种不同档次的机器人设计和制作大赛,通过大赛培养了大批机器人技术研究和应用人才,使日本的机器人技术走到了世界前列。其他再比如一些欧美国家,亚太地区等都有该类项目的开设。

在国内,据不完全统计也有为数相当的高校有开设这项课程。其中有包括清华大学、北京大学、北京理工大学、西安理工大学等综合型大学,也有北京师范大学、浙江师范大学等师范类大学,其他还有一些职业技术学院等等。可以说我们的教育界还是注意到了这门新兴的学科,也在这块领域投入了相当的支持和关注。

2.国内外中小学智能机器人教育开展现状

国外青少年热中于机器人基于他们的历史文化环境:一是高新科技(尤其是IT的超速发展);二是漫画、电影、电视、体育竞赛、电子游戏以及互联网的影响。也正是由于这些文化因素的影响,智能机器人教育在国外开展地如火如荼,发展也比较迅速。目前,各国都有举办不同级别、科目、门类的比赛:比如日本的ROBO―ONE比赛至今已经举办了7届,还有“青少年机器人大赛”等,其主要参赛者都是年轻人。与此同时韩国的青少年也在掀起一股机器人热潮,韩国政府和企业也正在投入大量资金开发机器人产业,并使之商品化。而在美、德、法等国家,机器人产业也正在受到重视,一般采取“官产学”形式。“官”即政府的支持和调节,“产”即产业界的自我分类的研究和开发,“学”即学校专门设置的课程,进行学校教育。在如此庞大的体系下,机器人产业在国外已占非常重要的地位,尤其在当今的信息技术时代。

我国的智能机器人教育现状又如何呢?据不完全统计,在2005年全国已有2.5万余所中小学、320余万学生参与到智能机器人教育当中来。随着这几年经济的快速发展,目前我国中小学参与到机器人教育这个项目当中的人远远超过了上述数据,而且还在不断上升。特别是沿海发达地区,比如上海、广东、浙江、江苏等地区。目前的主要开设形式是校本课程或者兴趣小组等,参与的学生也大多是出于个人兴趣爱好。

3.中小学智能机器人教育的师资现状

由于智能技术是信息技术的核心领域,智能机器人也成为了培养学生动手能力、创新能力、协作能力和逻辑思维能力,提高学生综合素质,开拓智力的平台;同时,也是进行程序设计形象化、成果化教育的平台。

目前就已开展智能机器人教育的学校来看,其主要的指导老师就是信息技术老师。智能机器人教育主要多个学科的知识,由于没有专门的机器人教育专业,使得我国基础教育领域机器人方面的师资处于接近真空状态。可以看到中小学信息技术教育在师资方面还存在着诸多欠缺的地方。而计算机科学与技术、教育技术这两类专业在培养目标和培养模式上都带有局限性。比如计算机科学与技术专业,他们培养的人才往往有双重性:一是培养具有教书育人的良好素质,能胜任中小学计算机教育的教师;二是可从事计算机行业的相关人才。而教育技术专业虽然把培养目标调整为“具有良好的信息素质,胜任中小学信息技术课程的教学工作”,但是,目前多数教育技术专业、计算机科学与技术专业的培养模式培养大批“胜任”智能机器人教育课程的教师显然不切实际。

4.关于师范院校开展智能机器人教育的情况

在我们国家而言,智能机器人还属于比较新兴的项目,作为科研重要基地的大学起步也较晚,大家的水平差距相对较小。如果师范院校现在开设该项目,以时机来看,比较恰当。正因为大家处于同一起点,相互之间的差距不是很大,更加有竞争。师范类院校作为为社会培养人才的基地,更应该看到这一事实。目前师范类院校较综合大学来实力上看处于劣势状态,但师范院校由于和基础教育结合紧密,在发展机器人教育方面事实上具有先天优势。为提高师范类院校的竞争地位,增强培养人才的实际能力,创造出师范特色的新的人才培养模式,都值得我们思考并加以实施。

二、师范院校开展智能机器人教育的价值

1.师范类院校提高本身竞争力的需要

在师范类院校开设智能机器人教育正是顺应了师范教育改革的潮流。不仅可以为基础教育提供更好的师资力量,也为师范类院校在人才培养模式上带来了新的思考。拓宽了师范生的就业渠道,增强了社会竞争力。

2.中小学智能机器人教育的需要

智能机器人教育引入中小学,不仅有利于信息技术的发展;有利于我们探索教育改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时,也将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促使新兴的智能机器人产业的形成。因此智能机器人进入中小学已成为一种必然趋势。我们可以通过智能机器人教育这个平台挖掘学生的创造潜能培养造就创新人才。不久的将来,智能机器人教学必将进入我们的周围,越来越多的人员便会参与到其中。如果师范类院校开设智能机器人教学,那么等到这些人员从事到中小学教育以后,他们发挥出来的作用将不可限量。

3.培养学生的诸多能力需要

智能机器人技术是世界强国重点发展的高技术,也是世界公认的打开21世纪大门的钥匙。智能机器人融合了机械、电子、人工智能等技术。如果把它引入教育,不仅有利于信息技术教育的发展;有利于我们探索人才改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促进新兴产业的形成。实践证明它不仅可以激发学生的想象力,培养学生的设计能力、创造能力、动手能力和跨专业的综合应用能力而且还培养了学生的协作精神。把智能机器人引入师范教育,不仅培养了学生的诸多能力,同时又为师范类院校学生在就业竞争中提供了一项优势,何乐不为?

4.师范性和专业性结合,培养更全面人才的需要

师范教育的根本目的不在于培养文学家、科学家,而是培养能培育文学家、科学家的教育家。在师范类院校开设智能机器人课程便是培养模式上的一种尝试和创新。由于师范类院校其本身的特殊性,它主要为基础教育培养师资力量,侧重点在于培养教师而不是培养研究性人才。师范类院校要培养智能机器人教育的人才,势必要调整培养目标和培养模式,把专业性和师范性更好到结合在一起,只有这样才能优化人才,增加竞争力。师范类院校要看到自己的缺点的同时也注意发挥自己的优势。目前中小学存在的问题就是专业教师的缺乏。为中小学智能机器人教育提供更优的师资,也为师范类院校学生提供更多的就业机会而言,在师范类院校开设智能机器人教育也就非常必要而且也很有利。

三、要研究智能机器人教育发展的师范模式

1.要总结开设智能机器人教育的做法和经验

湖州师范学院于2004年开始智能机器人教育,目前拥有机器人仪器80台,实验室两个。主要以学科竞赛、兴趣小组形式开展设,目前正在课程开设试验。举办过六次机器人院级比赛,五次机器人校级比赛,举办过两期暑期培训,并代表学校参加过7次全国性的比赛,参与到这项教育活动的学生数大约有600人,获得了全国一等奖多项,引起社会、其它学校的关注。

作为师范院校,开展智能机器人教育的主要目的是为突出专业特色,增强社会竞争力。虽然我们开展的时间并不是很长,但无论是自己举办活动还是参加大规模的比赛,我们的师生都认真努力,收获颇多。在教学实践和理论方面都有了很大的提高,积累了一定的经验。

从笔者的走访来看,无论是参与到其中的教师还是学生,都得到了一定的锻炼。一些同学甚至还受到了一些中小学的邀请,去担任他们的兴趣小组指导教练,参加省级比赛,也取得了不错的成绩。智能机器人教育开阔了学生的视野,培养了学生的能力,同时打造了学校品牌,为学生就业提供了多一条的途径。

但同时在教育对象、课程设置、实验室管理等方面也都还存在着一定的问题。比如智能机器人是融合了多种技术的综合性课程,开设培训课程以前,需要学生有一定理论基础。所以需要开设一定的前序课程。由于受到实验室、师资等问题的限制,目前我们学院开设的项目还比较少,学生参与面还不够宽等等。

2.要明确培养目标,更好地开展机器人教育,形成师范模式

就师范类院校开展智能机器人教育而言,笔者认为我们要按师范专业的特点开展一系列智能机器人教育课程、活动,形成一种师范模式,更好地普及机器人教育,为基础教育培养优秀人才。

(1)在师范专业开设一些信息技术课,培养学生信息素养

当今时代,对学生的信息技术素养要求越来越高。根据我院实际经验,学生在参与到机器人活动中时需要一定的信息技术基础,比如C语言编程,而我们师范生缺少的就是这方面的知识。如果师范院校在这方面能开设一些系列课程,使学生的理论知识水平有所积累,对于我们开展机器人教育必将有极大的帮助。我们在从小学教育专业、教育技术专业本科生中开展智能机器人教育,就十分重视学生信息技术课程知识的补充,因此师范生在智能机器人教育的一系列活动、选修课程中理解能力、动手能力就迅速提升。

(2)建立配套完备的机器人教育实验室

智能机器人是技术的前沿之一,集成了数学、物理、化学、生物、机械、电子、材料、能源、计算机硬件、软件等众多领域的科学和技术知识,没有一种技术平台比智能机器人更综合。所以为了使现在的师范生能够更适应未来信息时代的要求,在教学实验环节中及时地增加教学实验内容是非常有必要和可行的。况且,机器人教学需要有实际的场地设备等要求,机器人教育实验室的创办非常需要。加强机器人教育实验室建设,重点在对学生进行机器人教育指导能力的训练,同时要注意实验室的专业完备程度,规范管理等,并提高机器人实验室的软件建设、社会服务能力。

(3)成立大学生机器人教育协会,组织机器人学科竞赛

机器人比赛是一项很好的科技创新活动,不仅易于激发兴趣,而且还可以培养学生的多种能力。学生们在研讨争论中,逐渐提高了语言表达能力;在策略方案分析中,锻炼了思考、分析问题和解决的能力;在具体设计和安装调试中,综合运用各门课程知识,提高了工程设计和工程实施的安装能力。我们目前建立大学生机器人教育协会,吸引学生参加这方面的活动,学习机器人原理,掌握机器人制作、编程、操作技能,活动形式主要是开展机器人学科竞赛。这样既可以检验我们学生学到的实际的知识以及获得的能力,也能赢得更多的荣誉,得到学校领导的重视,扩大师范院校在机器人竞赛的影响,更重要的是从亲身实践中学会和发展智能机器人教育活动的组织能力。

人工智能教育的缺点范文6

关键词:视频监控;嵌入式系统;人工智能

中图分类号:TN141.9文献标识码:B

The Analysis of Video Surveillance System

LIU Gang-li,WU Fei

(Chengdu Electromechanical college, Chengdu Sichuan 610031, China)

Abstract: Embedded video surveillance system is a new digital video surveillance system based on embedded system technology, video technology and real time network transporttechnology. Compared to the old video surveillance system, it has many advantages, such as stability, real time performance, functions and price etc. It is also the direction of research and development in video surveillance system.

Keywords: vedio surveillance; embedded system; artificial intelligence

引言

近年来,视频监控系统得到了广泛应用。从功能上讲,视频监控系统可用于安全防范、信息获取和指挥调度等方面,可以提供生产流程控制、大型公共设施的安防、医疗监护、远程教育等多种服务。从应用领域上看,视频监控系统在各行各业都得到了应用,例如军事领域的基地安防、公安侦破、监狱法庭监管等;档案室、文件室、博物馆、金融等机要部门的监视、控制和报警;交通领域的高速公路收费管理、交通违章、流量监控、车辆牌照管理和公路、桥梁、铁路、机场等场所的远程图像监控;电信领域的交换机房、无线机房、动力机房等的远程监控;电力领域的变电站、电厂等的远程无人值守监控;社区物业管理中的住宅小区、办公室安全防范和智能大厦、停车场的无人监控等[1]。

1模拟视频监控系统

早期视频监控方案中的视频、音频信号的采集、传输、存储均为模拟形式,没有实现数字化,更不能通过网络来交换数据。模拟视频监控系统通过微处理器或者PC机对模拟视频系统实施数字控制以及多媒体管理,具有良好的实时性和图像质量,然而这样的系统灵活性差。以下是模拟监控系统的主要缺点:

(1)监控的范围很有限,通常只适合于小范围的区域监控。同轴电缆是模拟视频信号的主要传输工具,而同轴电缆传输模拟视频信号的距离比较短,往往不超过一千米,双绞线的距离更短。由于模拟线路不可能很长,所以信号传输距离有限且无法联网,仅局限于同一建筑物或工厂内[2];

(2)模拟信号占用通讯线路较多,而且开放性较差;

(3)监控质量不高。由于模拟信号很容易受干扰,所以监控图像质量不好;

(4)维护管理复杂。没有良好的用户操作界面,非专业人员无法正常操作;

(5)成本较高。对于每个监控中心都需要配置一套监控设备,而且信息的存储方式是利用录像带、磁带等设备,这些存储设备成本较高。

由于存在以上缺点,所以传统的模拟视频监控系统己远远不能满足越来越高的生产和管理监控的需求[3]。

2数字视频监控系统

上世纪90年代,由于视频压缩编码技术、多媒体技术、网络通讯技术的出现,数字视频监控系统迅速崛起。目前,数字视频监控系统主要有两种类型:一种是以基于PC的数字录像设备为核心的视频监控系统;另一种是以嵌入式视频WEB服务器为核心的视频监控系统。

2.1基于PC的视频监控系统

基于PC的多媒体监控系统的结构一般是在远端监控现场,有若干个摄像机、各种检测、报警探头与数据设备,通过各自的传输线路,汇接到多媒体监控终端上。多媒体监控终端可以是一台PC机,也可以是专用的工控机。除了处理各种信息和完成本地所要求的各种功能外,系统利用视频压缩卡和通信接口卡,通过通信网络,将监控信息传到一个或多个监控中心。

相对于模拟传送,基于PC的多媒体监控具有以下优点:

(1)数字监控系统把监控录像保存在大容量硬盘上,数字信号长期存储,信息永不丢失,图像质量不下降;

(2)数字视频容易被计算机处理,可以在监控图像中设定报警区域,计算机对报警区域的图像进行分析和处理,当有目标在该区域内活动时,计算机及时采取预定操作,在一定程度上做到自动监控,无人职守;

(3)数字视频经过压缩之后,占用带宽较小,而且数字信号在传输时容易进行加密,非法截取的信号无法还原为视频图像;

(4)数字录像存储在计算机硬盘上,可以用计算机来检索和管理,摆脱了手工管理和检索的复杂繁琐[4]。

2.2基于嵌入式技术的网络视频监控系统

随着网络带宽、计算机处理能力、大容量存储和嵌入式技术的快速发展及各种实用视频处理技术的出现,视频监控步入了全数字化的网络时代。以目前嵌入式处理技术、视频压缩及解压技术、网络通信技术等构成的视频监控系统称为基于嵌入式技术的网络视频监控系统。基于嵌入式技术的视频监控系统的优点是:性能稳定,便于安装,易于实现系统的模块化设计,便于管理和维护,能够充分利用网络资源[5]。

3国内外研究现状

智能视频监控具有广泛的应用前景和潜在的经济价值,引起了国际上许多著名科研机构以及研究人员的兴趣。就目前而言,国际上对智能视频监控的研究已经达到了一定的水平,智能视频也受到越来越多的重视,一些重要的学术期刊和重要的学术会议已经将智能视频监控作为主题内容之一。同时也有不少的原型系统被研制出来,如在上个世纪90年代末,美国国防高级研究计划局(DARPA)资助卡内基梅隆、戴维SARNOFF研究中心等著名大学和科研机构,联合研制出了智能场景监视与监控系统VSAM,应用在未来战争中人力监控费用昂贵、危险系数高或者人力无法实现的场合的监控;美国ISS公司研制出的AUTOSCOPE 2004是一种大区域视频监控系统,已经作为北美铁路运输监视系统实际应用。

在国内,智能视频监控的研究也已经有了长足的进步,2002年5月,第一届“全国智能视觉监控学术会议”在北京召开,迄今为止,已经举行了三届,得到了广泛的关注[6]。此外,中国科学院自动化研究所模式识别国家重点实验室已经成立了智能视频监控研究小组,正在开展智能视频监控方面的研究,研究内容包括:快速准确的运动检测;实时性的基于三维模型的车辆与行人的定位、识别和跟踪;基于移动摄像机的视觉监控技术;多摄像机的协作监控;事件的机器学习方法;异常现象的检测、报警与目标的行为预测;对目标运动情况给出语义上的解释的方法以及远距离的身份识别等等,其目标是实现一个包括以上研究内容的动态场景集成分析演示系统[7]。

4发展方向

经过十多年的发展,智能视频监控技术在组网结构、视频信息压缩与存储、视频流传输以及人机界面上都已经比较成熟,但总体而言,智能视频监控技术还远远达不到完美,今后在以下几个方面值得探索和研究:

(1)采用新的视频图像编码标准提高视频图像的质量,以利于视频观看以及图像检测;

(2)提高视频流的压缩与传输速度,以增强视频监控的实时性;

(3)视频检测与识别技术,包括从监控摄像机所捕捉的序列图像中检测是否有运动物体存在的运动检测以及异常现象的检测、报警与目标的行为预测等;

(4)全方位的视频监控,单个摄像机的视野有限,要监控大范围的动态场景就需要多个摄像机,此外,多个摄像机也有利于解决遮挡问题,多摄像机的定标与数据融合是两个关键问题;

(5)人工智能在智能视频监控系统中的应用。

参考文献

[1] 胡永红. 智能多路视频监控系统的设计[J]. 微机发展,2001, 11,75-76.

[2] 施裕丰,陈坚,陈启转,梁炯达. 网络式多媒体监控系统[J]. 计算机工程,2000,3,74-76.

[3] 夏惊涛,卢娜等. 视频监控系统浅析[J]. 测控技术,2006, 25,84-85.

[4] 季兵,季晓勇,马江波. 基于PC的数字视频通信系统的实现[J]. 计算机应用研究,2001,4,102-104.

[5] 袁毅. 基于嵌入式Web服务器的网络视频监控[J]. 电网技术,2000,5,71-73.

[6] 谭铁牛. 智能视觉监控技术概述[C]. 第一届全国智能视觉监控学术会议,2002年5月,56-58.