基于關(guān)節(jié)模型的人體動(dòng)作識(shí)別方法研究.pdf

1、人體動(dòng)作識(shí)別在智能監(jiān)控、操作培訓(xùn)以及人機(jī)交互等領(lǐng)域有重要研究意義和應(yīng)用價(jià)值。動(dòng)態(tài)時(shí)間規(guī)整算法的計(jì)算復(fù)雜度較低，且時(shí)間魯棒性較強(qiáng)，在人體動(dòng)作識(shí)別領(lǐng)域得到廣泛研究與應(yīng)用。但由于人體動(dòng)作的復(fù)雜性、光照以及噪聲等影響，往往不能獲取理想的人體動(dòng)作數(shù)據(jù)，使得準(zhǔn)確提取人體動(dòng)作特征難度較大，進(jìn)而導(dǎo)致動(dòng)作識(shí)別準(zhǔn)確率不高。因此，需要對(duì)傳統(tǒng)的序列圖像動(dòng)作特征提取方法進(jìn)行改進(jìn)，研究準(zhǔn)確度高、穩(wěn)定性好且抗干擾性強(qiáng)的人體動(dòng)作特征提取算法。
　　本文結(jié)合人體骨

2、架的特點(diǎn)，在傳統(tǒng)的長(zhǎng)度約束骨架毛刺剪除中，引入斜率約束作為毛刺判定的第二條件，解決了原有方法在毛刺較長(zhǎng)時(shí)，對(duì)毛刺和骨架主體進(jìn)行誤判的問(wèn)題，能夠準(zhǔn)確區(qū)分毛刺和骨架主體。對(duì)基于鏈碼遍歷的軀干端點(diǎn)的定位方法進(jìn)行改進(jìn)，擴(kuò)展其遍歷結(jié)構(gòu)的搜索范圍，克服了原有遍歷結(jié)構(gòu)在人體上肢運(yùn)動(dòng)幅度較大時(shí)，無(wú)法完成骨架遍歷的問(wèn)題。結(jié)合人體各部位長(zhǎng)度比例關(guān)系，對(duì)四肢拐點(diǎn)進(jìn)行定位，解決了傳統(tǒng)最大三角形面積法在四肢曲率較小時(shí)，定位誤差大的問(wèn)題。所提出的方法能準(zhǔn)確提取序列

3、圖像中的動(dòng)作特征。針對(duì)運(yùn)動(dòng)過(guò)程中關(guān)節(jié)點(diǎn)坐標(biāo)不能準(zhǔn)確表征動(dòng)作特征的問(wèn)題，采用加權(quán)歸一化向量的形式表達(dá)動(dòng)作特征。
　　本文在VS2013和openCV環(huán)境下，對(duì)Weizmann數(shù)據(jù)庫(kù)進(jìn)行實(shí)驗(yàn)，實(shí)現(xiàn)了序列圖像中人體骨架特征提取和關(guān)節(jié)點(diǎn)定位;基于動(dòng)態(tài)時(shí)間規(guī)整算法，計(jì)算序列圖像間加權(quán)歸一化特征的距離，實(shí)現(xiàn)人體動(dòng)作識(shí)別。并和基于光流法等方法提取的動(dòng)作特征進(jìn)行對(duì)比實(shí)驗(yàn)。結(jié)果表明，本文方法能夠準(zhǔn)確提取人體動(dòng)作特征，并對(duì)人體動(dòng)作進(jìn)行準(zhǔn)確識(shí)別，識(shí)別結(jié)