【摘要】：為了在人體動作識別中獲得更加準確的前景分割和防止關(guān)鍵信息的幾何丟失,提出一種利用關(guān)鍵幀提取關(guān)鍵姿勢特征的人體動作識別方法。由于背景建模和差分獲得的前景不準確,利用基于紋理的灰度共生矩陣提取動作輪廓,并對原圖像幀進行分割;然后計算人體Blob的能量,選取最大信息內(nèi)容的幀作為關(guān)鍵幀,關(guān)鍵幀的獲取使得特征提取對時間的變化具有一定魯棒性;在特征分類識別階段,為了提高分類的準確性,提出使用支持向量機-K最近鄰(support vector machine-k nearest neighbor,SVM-KNN)混合分類器完成分類。在Weizmann,KTH,Ballet和TUM 4個公開數(shù)據(jù)集上實驗驗證了該方法的有效性。相比于局部特征方法、全局特征方法和關(guān)鍵點方法等,該方法獲得了更高的識別率。此外,實驗結(jié)果表明,該方法在KTH和Weizmann數(shù)據(jù)集上的早期識別效果優(yōu)于Ballet數(shù)據(jù)集。
[Abstract]:In order to obtain more accurate foreground segmentation and prevent the geometric loss of key information in human motion recognition, a human motion recognition method using key frames to extract key posture features is proposed. Because the prospect of background modeling and difference acquisition is not accurate, the action outline is extracted by texture-based gray co-occurrence matrix, and the original image frame is segmented. Then the energy of human body Blob is calculated, and the frame of the maximum information content is selected as the key frame, which makes the feature extraction robust to the change of time. In the stage of feature classification and recognition, in order to improve the accuracy of classification, support vector machine-K nearest neighbor (support vector machine-k nearest neighbor,SVM-KNN) hybrid classifier is proposed to complete the classification. The effectiveness of the proposed method is verified by experiments on four public datasets, Weizmann,KTH,Ballet and TUM. Compared with the local feature method, the global feature method and the key point method, this method obtains higher recognition rate. In addition, the experimental results show that the early recognition effect of this method on KTH and Weizmann datasets is better than that of Ballet datasets.
【作者單位】： 平頂山學院軟件學院;武漢大學計算機學院;
【基金】：國家自然科學基金項目(61503206) 河南省科技廳科技發(fā)展計劃項目(142102210226)~~
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前8條

1 陳國興;劉作軍;陳玲玲;楊鵬;;假肢穿戴者跌倒預警系統(tǒng)設(shè)計[J];華中科技大學學報(自然科學版);2015年S1期

2 王劉濤;王建璽;魯書喜;;基于Adaboost關(guān)鍵幀選擇的多尺度人體動作識別方法[J];重慶郵電大學學報(自然科學版);2015年04期

3 王鑫;沃波海;管秋;陳勝勇;;基于流形學習的人體動作識別[J];中國圖象圖形學報;2014年06期

4 王斌;劉煜;王煒;徐瑋;張茂軍;;面向人體動作識別的局部特征時空編碼方法[J];四川大學學報(工程科學版);2014年02期

5 肖玲;李仁發(fā);羅娟;;體域網(wǎng)中一種基于壓縮感知的人體動作識別方法[J];電子與信息學報;2013年01期

6 胡石;梅雪;;人體行為動作的形狀輪廓特征提取及識別[J];計算機工程;2012年02期

7 哈明虎;田景峰;張植明;;基于復隨機樣本的結(jié)構(gòu)風險最小化原則[J];計算機研究與發(fā)展;2009年11期

8 白雪冰;王克奇;王輝;;基于灰度共生矩陣的木材紋理分類方法的研究[J];哈爾濱工業(yè)大學學報;2005年12期

相關(guān)博士學位論文 前1條

1 肖玲;無線體域網(wǎng)中人體動作監(jiān)測與識別若干方法研究[D];湖南大學;2014年

相關(guān)碩士學位論文 前1條

1 魏萊;基于關(guān)節(jié)點的人體動作識別及姿態(tài)分析研究[D];北京郵電大學;2014年

【共引文獻】

相關(guān)期刊論文 前10條

1 王劉濤;廖夢怡;王建璽;馬飛;;基于關(guān)鍵幀輪廓特征提取的人體動作識別方法[J];重慶郵電大學學報(自然科學版);2017年01期

2 姚湘;徐平平;王華君;;基于非線性知識遷移的交叉視角動作識別[J];重慶郵電大學學報(自然科學版);2017年01期

3 宋輝;王忠民;;基于壓縮感知的移動用戶行為識別方法[J];計算機科學;2017年02期

4 宋相法;張延鋒;鄭逢斌;;基于L_(2,1)范數(shù)稀疏特征選擇和超法向量的深度圖像序列行為識別[J];計算機科學;2017年02期

5 王松;黨建武;王陽萍;杜曉剛;;實時動作識別方法研究[J];計算機工程與應(yīng)用;2017年03期

6 張皓;李楊波;馬飛;;基于Merkle哈希樹的無線軀體傳感器網(wǎng)絡(luò)安全認證方案[J];現(xiàn)代電子技術(shù);2017年03期

7 于宗澤;方勇;李兆元;;基于壓縮稀疏融合的動作識別方法[J];電子測量技術(shù);2016年11期

8 張超;金虹杉;劉哲;李智曉;寧明宇;孫海艷;;基于GF遙感數(shù)據(jù)紋理分析識別制種玉米[J];農(nóng)業(yè)工程學報;2016年21期

9 白雪;;家具材料中環(huán)保型塑料的研究現(xiàn)狀及發(fā)展趨勢[J];塑料工業(yè);2016年10期

10 吳珍珍;鄧輝舫;;利用骨架模型和格拉斯曼流形的3D人體動作識別[J];計算機工程與應(yīng)用;2016年20期

相關(guān)博士學位論文 前1條

1 于麗娜;無線體域網(wǎng)中數(shù)據(jù)融合綠色模型及傳輸調(diào)度算法研究[D];中國農(nóng)業(yè)大學;2016年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 張軍建;趙捷;安佰京;尹文楓;陳甜甜;李大鵬;張春游;;基于三軸加速度傳感器的跌倒檢測研究[J];現(xiàn)代生物醫(yī)學進展;2014年18期

2 王鑫;沃波海;管秋;陳勝勇;;基于流形學習的人體動作識別[J];中國圖象圖形學報;2014年06期

3 王斌;劉煜;王煒;徐瑋;張茂軍;;面向人體動作識別的局部特征時空編碼方法[J];四川大學學報(工程科學版);2014年02期

4 楊勇;葉梅樹;;基于Kinect的中國手語識別[J];重慶郵電大學學報(自然科學版);2013年06期

5 胡瓊;秦磊;黃慶明;;基于視覺的人體動作識別綜述[J];計算機學報;2013年12期

6 趙海勇;李俊青;;基于動作串的人體行為識別[J];計算機科學;2013年10期

7 周兵;郝偉偉;袁社鋒;;一種適合于監(jiān)控視頻內(nèi)容檢索的關(guān)鍵幀提取新方法[J];鄭州大學學報(工學版);2013年03期

8 LUO Yuan;WU Cai-ming;ZHANG Yi;;Facial expression feature extraction using hybrid PCA and LBP[J];The Journal of China Universities of Posts and Telecommunications;2013年02期

9 王斌;王媛媛;肖文華;王煒;張茂軍;;基于判別稀疏編碼視頻表示的人體動作識別[J];機器人;2012年06期

10 諶先敢;劉娟;高智勇;劉海華;;基于累積邊緣圖像的現(xiàn)實人體動作識別[J];自動化學報;2012年08期

相關(guān)博士學位論文 前3條

1 姜鳴;基于體感網(wǎng)的人體動作監(jiān)測識別的研究[D];大連理工大學;2012年

2 薛洋;基于單個加速度傳感器的人體運動模式識別[D];華南理工大學;2011年

3 劉蓉;人體運動信息獲取及物理活動識別研究[D];華中科技大學;2009年

相關(guān)碩士學位論文 前2條

1 朱震文;視頻數(shù)據(jù)中人體動作的分類研究[D];南京理工大學;2012年

2 李翔;基于人體關(guān)節(jié)點的步態(tài)識別算法研究[D];山東大學;2011年

【相似文獻】

相關(guān)期刊論文 前10條

1 于俊清,周洞汝,劉軍,蔡波;基于文字和圖像信息提取視頻關(guān)鍵幀[J];計算機工程與應(yīng)用;2002年09期

2 張新春;基于運動活力的視頻分鏡中關(guān)鍵幀的提取[J];電子與電腦;2005年03期

3 陳丹雯;張俊;韓兵;吳玲達;;基于改進詞袋模型的相似關(guān)鍵幀匹配方法[J];計算機工程與設(shè)計;2011年08期

4 劉善磊;趙銀娣;王光輝;李英成;薛艷麗;李建軍;;一種關(guān)鍵幀的自動提取方法[J];測繪科學;2012年05期

5 王毅霞;崔大力;;探究工程監(jiān)理系統(tǒng)中關(guān)鍵幀的提取技術(shù)[J];甘肅冶金;2013年06期

6 王穎志;淺析關(guān)鍵幀動畫曲線的應(yīng)用[J];電視字幕(特技與動畫);2002年07期

7 楊潤珍;傅電仁;;運動圖片檔案的檢索[J];陰山學刊(自然科學版);2003年01期

8 田文彬;After Effects常用快捷鍵集錦(三)[J];電視字幕(特技與動畫);2005年05期

9 馮德旺;蘭建容;;基于關(guān)鍵幀的視像檢索研究[J];福建工程學院學報;2007年04期

10 唐自力;馬彩文;李s，

本文編號：2514383