Computer vision techniques, in conjunction with acquisition through remote cameras and unmanned aerial vehicles (UAVs), offer promising non-contact solutions to civil infrastructure condition assessment. The ultimate ...Computer vision techniques, in conjunction with acquisition through remote cameras and unmanned aerial vehicles (UAVs), offer promising non-contact solutions to civil infrastructure condition assessment. The ultimate goal of such a system is to automatically and robustly convert the image or video data into actionable information. This paper provides an overview of recent advances in computer vision techniques as they apply to the problem of civil infrastructure condition assessment. In particular, relevant research in the fields of computer vision, machine learning, and structural engineering is presented. The work reviewed is classified into two types: inspection applications and monitoring applications. The inspection applications reviewed include identifying context such as structural components, characterizing local and global visible damage, and detecting changes from a reference image. The monitoring applications discussed include static measurement of strain and displacement, as well as dynamic measurement of displacement for modal analysis. Subsequently, some of the key challenges that persist toward the goal of automated vision-based civil infrastructure and monitoring are presented. The paper concludes with ongoing work aimed at addressing some of these stated challenges.展开更多
以Web of Science数据库1994年以来“体育”“锻炼”“运动”“机器学习”“深度学习”“计算机视觉”等关键词为主题的926篇文献为数据来源,利用“Cite Space V”软件进行可视化处理和分析,以知识图谱的方式梳理近25年的体育人工智能研...以Web of Science数据库1994年以来“体育”“锻炼”“运动”“机器学习”“深度学习”“计算机视觉”等关键词为主题的926篇文献为数据来源,利用“Cite Space V”软件进行可视化处理和分析,以知识图谱的方式梳理近25年的体育人工智能研究,探讨体育人工智能研究的进展和发展方向。认为:1)体育人工智能研究地区分布较广,美国处于世界领先水平,中国的研究质量有待提高。2)体育人工智能研究的高产作者与团队集中在美国高校,以开发与完善针对不同人群的,基于机器学习与深度学习技术的智能穿戴设备为主要研究方向。3)体育人工智能研究涉及到多个学科,主要运用和借鉴工程学、计算机科学和体育科学的研究方法和理论。4)体育人工智能研究的热点分为三大聚类群,具体是体质健康促进、运动损伤防控和运动能力提升。研究载体主要以基于IMU的智能穿戴设备和基于GPU的计算机视觉分析为主。研究算法从机器学习算法逐渐转向深度学习算法。展开更多
以Web of Science数据库1995年以来“体育人工智能”等关键词为主题的549篇文献为数据来源,利用Cite Space V软件进行可视化处理和分析,以可视化知识图谱的方式梳理了近25年体育人工智能研究的国家、学科分布、研究热点以及演化趋势,探...以Web of Science数据库1995年以来“体育人工智能”等关键词为主题的549篇文献为数据来源,利用Cite Space V软件进行可视化处理和分析,以可视化知识图谱的方式梳理了近25年体育人工智能研究的国家、学科分布、研究热点以及演化趋势,探讨其研究进展和发展方向。1)体育人工智能研究地区分布较广,其中美国、中国和德国处于领先地位。2)体育人工智能研究涉及到多个学科,主要运用和借鉴了计算机科学、工程学、体育科学等学科的研究方法和理论视角。3)关键词的频次与中心性印证了目前体育人工智能领域是以机器学习为主要方向,人工神经网络为主要算法,注重以数据挖掘为基础的实践与实证研究。4)研究热点包括基于可穿戴加速度计技术的简单活动识别与能量消耗研究;基于可穿戴式传感器的动作分析与损伤防控研究;基于卷积神经网络算法的计算机视觉场景分类研究;基于计算机视觉的体能与技战术的分析与预测;基于计算机深度学习的人体姿态识别技术。展开更多
基金supported in part by funding from the US Army Corps of Engineers under a project entitled ‘‘Cybermodeling: A Digital Surrogate Approach for Optimal Risk-Based Operations and Infrastructure” (W912HZ-17-2-0024)
文摘Computer vision techniques, in conjunction with acquisition through remote cameras and unmanned aerial vehicles (UAVs), offer promising non-contact solutions to civil infrastructure condition assessment. The ultimate goal of such a system is to automatically and robustly convert the image or video data into actionable information. This paper provides an overview of recent advances in computer vision techniques as they apply to the problem of civil infrastructure condition assessment. In particular, relevant research in the fields of computer vision, machine learning, and structural engineering is presented. The work reviewed is classified into two types: inspection applications and monitoring applications. The inspection applications reviewed include identifying context such as structural components, characterizing local and global visible damage, and detecting changes from a reference image. The monitoring applications discussed include static measurement of strain and displacement, as well as dynamic measurement of displacement for modal analysis. Subsequently, some of the key challenges that persist toward the goal of automated vision-based civil infrastructure and monitoring are presented. The paper concludes with ongoing work aimed at addressing some of these stated challenges.
文摘以Web of Science数据库1994年以来“体育”“锻炼”“运动”“机器学习”“深度学习”“计算机视觉”等关键词为主题的926篇文献为数据来源,利用“Cite Space V”软件进行可视化处理和分析,以知识图谱的方式梳理近25年的体育人工智能研究,探讨体育人工智能研究的进展和发展方向。认为:1)体育人工智能研究地区分布较广,美国处于世界领先水平,中国的研究质量有待提高。2)体育人工智能研究的高产作者与团队集中在美国高校,以开发与完善针对不同人群的,基于机器学习与深度学习技术的智能穿戴设备为主要研究方向。3)体育人工智能研究涉及到多个学科,主要运用和借鉴工程学、计算机科学和体育科学的研究方法和理论。4)体育人工智能研究的热点分为三大聚类群,具体是体质健康促进、运动损伤防控和运动能力提升。研究载体主要以基于IMU的智能穿戴设备和基于GPU的计算机视觉分析为主。研究算法从机器学习算法逐渐转向深度学习算法。
文摘以Web of Science数据库1995年以来“体育人工智能”等关键词为主题的549篇文献为数据来源,利用Cite Space V软件进行可视化处理和分析,以可视化知识图谱的方式梳理了近25年体育人工智能研究的国家、学科分布、研究热点以及演化趋势,探讨其研究进展和发展方向。1)体育人工智能研究地区分布较广,其中美国、中国和德国处于领先地位。2)体育人工智能研究涉及到多个学科,主要运用和借鉴了计算机科学、工程学、体育科学等学科的研究方法和理论视角。3)关键词的频次与中心性印证了目前体育人工智能领域是以机器学习为主要方向,人工神经网络为主要算法,注重以数据挖掘为基础的实践与实证研究。4)研究热点包括基于可穿戴加速度计技术的简单活动识别与能量消耗研究;基于可穿戴式传感器的动作分析与损伤防控研究;基于卷积神经网络算法的计算机视觉场景分类研究;基于计算机视觉的体能与技战术的分析与预测;基于计算机深度学习的人体姿态识别技术。
