本文選題：行為識別 + 深度信息�。� 參考：《中國民航大學》2017年碩士論文

【摘要】：近些年來,計算機視覺技術(shù)發(fā)展迅速。作為計算機視覺范疇的重要研究課題,行為識別具有重要的科學意義�；赗GB數(shù)據(jù)圖像的人體行為識別容易受到光照強弱、陰影、以及外界環(huán)境的改變等因素的影響。并且,對于在二維平面沒有明顯變化,而在深度方向有較大變化的動作識別會比較困難。另外,目前已經(jīng)提出的基于深度信息的行為識別,有的利用了非零像素計算深度差值,還有的利用了深度方向的變化。本文提出一種基于點云的動作描述方法——運動歷史點云(MHPC)。運動歷史圖像(MHI)將動作視頻壓縮為一個二維圖像。類似地,MHPC將動作視頻壓縮為一個包含深度信息的三維點云。點云的(x,y,z)通道用來記錄人體動作過程中前景點的空間位置改變,顏色通道用來記錄時序變化。這種方法有以下兩個特點:1、MHPC在壓縮數(shù)據(jù)的同時,保留了動作過程中的時序和空間變化信息,并且由于包含了深度變化信息,因此,在MHPC的基礎(chǔ)上能夠提取出豐富的特征以支持后續(xù)的動作識別;2、對于后續(xù)的特征提取和動作識別過程而言,MHPC比原始視頻數(shù)據(jù)更方便處理,因此MHPC可以作為一種規(guī)范輸入和強化動作特征的預(yù)處理手段。作為MHPC的一個應(yīng)用實例,首先,用Harris3D從生成的運動歷史點云中提取特征點,結(jié)合點特征直方圖FPFH對特征點進行描述;然后,把特征描述子用K-means算法聚類生成單詞包;最后,輸入多類分類支持向量機進行動作的識別。并與相近方法進行了比較,實驗結(jié)果證明了結(jié)合運動歷史點云的人體行為識別方法的合理性和有效性。
[Abstract]:In recent years, computer vision technology has developed rapidly. As an important research subject of computer vision category, behavior recognition has important scientific significance. Human behavior recognition based on RGB data images is easily affected by the intensity of illumination, shadow, and the change of external environment. In addition, it is difficult to recognize the motion in the two-dimensional plane, but in the depth direction. In addition, the behavior recognition based on depth information has been proposed. Some of them use non-zero pixels to calculate the depth difference, and others make use of the change of depth direction. An action description method based on point cloud is presented in this paper. The motion history image MHI) compresses the motion video into a two-dimensional image. Similarly, the MHPC compresses the action video into a three-dimensional point cloud containing depth information. The point cloud channel is used to record the spatial change of the spot in front of the human body, and the color channel is used to record the temporal change. This method has the following two characteristics: 1: 1 MHPC compresses the data while retaining the temporal and spatial variation information in the course of action, and because it contains the depth change information, therefore, On the basis of MHPC, it can extract rich features to support subsequent motion recognition. It is more convenient to process the following feature extraction and motion recognition than the original video data. Therefore, MHPC can be used as a preprocessing method to standardize input and enhance action characteristics. As an application example of MHPC, firstly, feature points are extracted from the generated moving historical point cloud by Harris3D, and feature points are described by combining feature histogram FPFH. Then, feature descriptors are clustered by K-means algorithm to generate word packets. Input multi-class classification support vector machine to recognize the action. Compared with similar methods, the experimental results show the rationality and effectiveness of the human behavior recognition method combined with the point cloud of motion history.
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 張良;魯夢夢;姜華;;局部分布信息增強的視覺單詞描述與動作識別[J];電子與信息學報;2016年03期

2 單言虎;張彰;黃凱奇;;人的視覺行為識別研究回顧、現(xiàn)狀及展望[J];計算機研究與發(fā)展;2016年01期

3 謝娟英;王艷娥;;最小方差優(yōu)化初始聚類中心的K-means算法[J];計算機工程;2014年08期

4 陸軍;彭仲濤;董東來;宋景豪;;點云FPFH特征提取優(yōu)化配準算法[J];新型工業(yè)化;2014年07期

5 張旭東;楊靜;胡良梅;段琳琳;;基于多層運動歷史圖像的飛行時間相機人體運動識別[J];電子與信息學報;2014年05期

6 申曉霞;張樺;高贊;徐光平;薛彥兵;張哲;;基于深度信息和RGB圖像的行為識別算法[J];模式識別與人工智能;2013年08期

7 孫建凱;李重;;最優(yōu)聚類中心選取的半監(jiān)督K均值聚類算法[J];工業(yè)控制計算機;2013年05期

8 陳中杰;蔣剛;蔡勇;;基于SVM一對一多分類算法的二次細分法研究[J];傳感器與微系統(tǒng);2013年04期

9 趙海勇;賈保先;;基于輪廓特征的人體行為識別[J];計算機科學;2013年02期

10 喬增偉;孫衛(wèi)祥;;一種基于支持向量機決策樹多類分類器[J];計算機應(yīng)用與軟件;2009年11期

相關(guān)碩士學位論文 前7條

1 胡修祥;基于RGB-D數(shù)據(jù)的物品識別與定位[D];中國民航大學;2016年

2 李玉;基于3D激光點云的無人車城市環(huán)境SLAM問題研究[D];北京理工大學;2016年

3 王滿一;基于模板匹配的人體行為識別[D];中國民航大學;2015年

4 李璐一;基于Kinect的物體分割與識別算法研究[D];重慶大學;2014年

5 劉磊;基于k-means的自適應(yīng)聚類算法研究[D];北京郵電大學;2009年

6 梁燕;SVM分類器的擴展及其應(yīng)用研究[D];湖南大學;2008年

7 葉志剛;SVM在文本分類中的應(yīng)用[D];哈爾濱工程大學;2006年

，

本文編號：1930246