基于Kinect的人體行為識(shí)別研究.pdf

1、隨著動(dòng)作捕獲設(shè)備的成功推出和普及，它們?cè)谥悄鼙O(jiān)控、人機(jī)交互、人體行為識(shí)別等領(lǐng)域已經(jīng)得到了一些應(yīng)用。本文以動(dòng)作捕獲設(shè)備 Kinect獲得的數(shù)據(jù)為基礎(chǔ)，對(duì)人體動(dòng)作行為的表示方法和識(shí)別方法進(jìn)行了研究。
　　為了更好地理解人體的動(dòng)作行為，本文使用Kinect捕獲的人體三維關(guān)節(jié)點(diǎn)的數(shù)據(jù)并根據(jù)人體結(jié)構(gòu)的特點(diǎn)提取出人體關(guān)節(jié)向量間的角度信息和關(guān)節(jié)點(diǎn)的相對(duì)距離系數(shù)，作為表示人體姿態(tài)的特征參數(shù)。
　　本文把人體行為識(shí)別的研究?jī)?nèi)容分為包含典型靜態(tài)

2、姿態(tài)的行為識(shí)別和不包含典型靜態(tài)姿態(tài)的動(dòng)態(tài)動(dòng)作識(shí)別兩部分，通過建立人體姿態(tài)靜態(tài)保持模型，來判斷人體動(dòng)作序列中是否包含有典型靜態(tài)姿態(tài)，然后使用決策樹分類算法對(duì)包含有典型靜態(tài)姿態(tài)的人體行為進(jìn)行識(shí)別；對(duì)于未包含有典型靜態(tài)姿態(tài)的動(dòng)態(tài)動(dòng)作，本文根據(jù)DTW算法和KNN算法的特性提出了一種新的人體動(dòng)作序列相似性的度量參數(shù)，即類別可信度，并把該參數(shù)應(yīng)用到分類算法中，完成了未包含有典型靜態(tài)姿態(tài)的人體動(dòng)態(tài)動(dòng)作的識(shí)別。
　　實(shí)驗(yàn)結(jié)果表明，本文針對(duì)包含有典