【摘要】：針對目前深度圖動作識別的低效性問題,提出基于多方向的尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)算子的深度圖識別方法。將深度序列圖依次映射到3個相互正交的平面上,累加相鄰幀之間差的絕對值,得到深度運動圖(depth motion map,DMM);在DMM上提取SIFT特征,得到3個平面上的DMM后,分別計算3個平面的SIFT特征,對其進行歸一化處理;引入支持向量機(support vector machine,SVM),將歸一化的特征描述嵌入到SVM中,進行深度動作模型的學(xué)習(xí)與測試。實驗結(jié)果表明,相對于當前常用的動作識別算法,所提動作識別技術(shù)具有更高的檢測精度與更強的魯棒性,能夠更有效地提取出深度圖里的動作信息。
【圖文】：

圖２Ｆｏｒｗａｒｄｋｉｃｋ的深度運動

計算機工程與設(shè)計２０１７年３．２實驗使用的數(shù)據(jù)集為了驗證文中提出的算法，本文使用的數(shù)據(jù)集是ＳＢＵＫｉｎｅｃｔＩｎｔｅｒａｃｔｉｏｎｓ。ＳＢＵ動作類型共有８個，每個動作類型由２１組人完成，該數(shù)據(jù)集的動作只采集上半身信息，同時在背景十分干凈的環(huán)境下采集數(shù)據(jù)，采集數(shù)據(jù)時噪聲影響很校將其中１５個作為訓(xùn)練樣本，６個為測試樣本。該數(shù)據(jù)集的圖片樣例如圖４所示。圖４ＳＢＵ數(shù)據(jù)集中的８種動作類型３．３評價標準為了驗證識別算法的有效性，，本文的評價標準采用正確動作識別率。可以用下式表示ｐ＝ＴＮＴＮ＋ＦＮ×１００％（１１）其中，ｐ表示動作識別率，ＴＮ表示正確識別動作的個數(shù)，ＦＮ表示錯誤識別動作的個數(shù)。為了提高實驗結(jié)果的可靠性，本文將隨機選�。辰M不同的樣本作為訓(xùn)練樣本，剩下的則為測試樣本。最后得到是識別率是３次實驗結(jié)果的平均值。３．４實驗結(jié)果和分析從表１中可以看到，本文提出的方法ＤＭＭ＿ＳＩＦＴ已經(jīng)遠遠超過了ＤｅｎｓｅＴｒａｊｅｃｔｏｒｙ的方法，高出了１．１％，雖然ＤＴ方法能夠取得很高的準確率，但是由于它不能很好地捕捉到深度圖的特性，而本文提出的方法可以從３個方向?qū)ι疃葓D里的動作進行細致地刻畫，從而進行較為全面的特征表達。同時從表中也可以看出，相對于靜態(tài)的深度圖的識別，本文提出的方法在準確率上也有著很大的提升。表１特征描述方法的識別效果特征ＳＢＵ數(shù)據(jù)集Ａｃｃｕｒａｃｙ／％ＳＴＩＰ８６．３ＤｅｎｓｅＴｒａｊｅｃｔｏｒｙ（ＤＴ）９０．６ＤＭＭ８８．１ＤＭＭ＿ＳＩＦＴ９１．９同時為了更加細致地分析出
【作者單位】： 四川工業(yè)科技學(xué)院電子信息工程學(xué)院;四川大學(xué)計算機學(xué)院;
【基金】：國家自然科學(xué)基金項目(61471250) 四川省科技攻關(guān)基金項目(2014GZX0146) 四川省自然科學(xué)基金重點基金項目(2014AJ072)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動作識別方法[J];自動化與信息工程;2009年04期

2 胡雅琴;;動作識別技術(shù)及其發(fā)展[J];電視技術(shù);2013年S2期

3 倪世宏,史忠科,謝川,王彥鴻;軍用戰(zhàn)機機動飛行動作識別知識庫的建立[J];計算機仿真;2005年04期

4 程祥;;人體動作識別的研究[J];電腦知識與技術(shù);2006年20期

5 黃飛躍;徐光yP;;視角無關(guān)的動作識別[J];軟件學(xué)報;2008年07期

6 徐光yP;曹媛媛;;動作識別與行為理解綜述[J];中國圖象圖形學(xué)報;2009年02期

7 黃麗鴻;高智勇;劉海華;;基于脈沖神經(jīng)網(wǎng)絡(luò)的人體動作識別[J];現(xiàn)代科學(xué)儀器;2012年02期

8 周艷青;王磊;;基于視覺的人體動作識別綜述[J];山東輕工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2012年01期

9 曹琨;;基于檢索表的實時動作識別技術(shù)研究[J];中外企業(yè)家;2014年05期

10 劉博;安建成;;基于關(guān)鍵姿勢的人體動作識別[J];電視技術(shù);2014年05期

相關(guān)會議論文 前10條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動作識別方法[A];廣州市儀器儀表學(xué)會2009年學(xué)術(shù)年會論文集[C];2010年

2 黃飛躍;徐光yP;;自然的人體動作識別[A];第三屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

3 黃艷歡;葉少珍;;連續(xù)動作分割綜述[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

4 董力賡;陶霖密;徐光yP;;頭部姿態(tài)和動作的識別與理解[A];第三屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

5 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時空特征的人體動作識別[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

6 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機的手部肌電信號動作識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

7 左南;李涓子;唐杰;;基于SVM的肖像照片抽取[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

8 王艦;湯光明;;基于SVM的圖像隱寫檢測分析[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

9 楊鎮(zhèn)宇;祝詩平;;基于機器視覺和SVM的花椒外觀品質(zhì)檢測[A];2009全國虛擬儀器大會論文集（二）[C];2009年

10 陳東;楊生鵬;莊嚴;王偉;;基于視覺信息的三維激光點云渲染與深度圖構(gòu)建[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 諶先敢;現(xiàn)實環(huán)境下的人體動作識別[D];武漢大學(xué);2012年

2 陳淵博;視頻序列中的人體動作識別[D];北京郵電大學(xué);2015年

3 劉翠微;視頻中人的動作分析與理解[D];北京理工大學(xué);2015年

4 陳萌;基于李代數(shù)高斯表示的動作識別方法研究[D];華中科技大學(xué);2016年

5 李擬s

本文編號：2547708