人體行為識別是計算機視覺領(lǐng)域一個備受矚目的研究課題,許多專家學(xué)者對此進行了大量的研究。因深度圖像不受光照變化等因素的影響,一些基于深度數(shù)據(jù)進行人體行為識別的方法相繼被提出。如何對動作視頻序列進行全面有效地表示是動作識別的研究重點,針對該問題本文對現(xiàn)有動作表示方法進行改進,提出了以下兩種人體行為識別算法,具體內(nèi)容如下:為了獲得不同視角下的動作信息,提出了多視角深度運動圖（多視角DMM）的人體行為識別算法。首先將一個動作樣本的深度圖像序列生成運動歷史點云（MHPC）,利用旋轉(zhuǎn)矩陣將MHPC繞Y軸旋轉(zhuǎn)一定角度。將MHPC和旋轉(zhuǎn)后的MHPC投影到笛卡爾坐標平面上,投影后的點云分布更加稠密,由重疊點的空間坐標計算多視角DMM。然后利用方向梯度直方圖（HOG）對多視角DMM進行特征提取,最后采用支持向量機（SVM）完成分類識別。多視角DMM增加了更多視角下的動作信息,但是動作執(zhí)行過程中的時間信息利用不充分。為了解決這個問題,提出了時空能量圖的人體行為識別算法。首先將一個動作樣本的深度圖像序列生成MHPC并將其旋轉(zhuǎn),然后將MHPC和旋轉(zhuǎn)后的MHPC投影到笛卡爾坐標平面上,由重疊點的空間坐標和時間坐標... 

【文章來源】：中國民航大學(xué)天津市

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

人體動作識別應(yīng)用

圖 1-2 深度圖像效果圖模人體動作模型，具體實現(xiàn)方式 人體骨骼關(guān)節(jié)對動作進行表示、個骨架序列用最接近的關(guān)鍵姿態(tài)何描述子和關(guān)鍵姿態(tài)描述子。X進行表示，采用離散隱馬爾科夫提取特征，依據(jù)特征值的變化自位和噪聲問題。Wang 等人[12]提出由一組相近但并非相鄰的有序的姿性，對動作方式的差異具有魯棒別率，但是只有當人在正向面對直立做動作時得到的關(guān)節(jié)點會非

導(dǎo)致特征提取與表示方面存在著明顯的不同，這成為兩種識別方法產(chǎn)生本質(zhì)差異的關(guān)鍵因素[26]。本文主要研究基于深度數(shù)據(jù)的人體行為識別，將深度圖像序列轉(zhuǎn)變?yōu)?4 維的點云數(shù)據(jù)后，再通過投影生成不同的模型對動作樣本進行表示，接著進行特征提取與分類識別。下面將本文算法涉及到的相關(guān)基礎(chǔ)知識，比如利用 Kenect 攝像頭獲取深度圖像、HOG 特征、SVM 分類器等技術(shù)進行詳細介紹。輸入視頻序列特征提取動作分類識別圖 2-1 人體行為識別基本框架2.2 Kinect 傳感器2.2.1 深度成像原理

【參考文獻】：
期刊論文
[1]基于深度圖像的人體行為識別綜述[J]. 孫彬,孔德慧,張雯暉,賈文浩.  北京工業(yè)大學(xué)學(xué)報. 2018(10)
[2]自適應(yīng)骨骼中心的人體行為識別算法[J]. 冉憲宇,劉凱,李光,丁文文,陳斌.  中國圖象圖形學(xué)報. 2018(04)
[3]基于KELM決策融合的語音情感識別[J]. 張雪英,張樂,孫穎,張衛(wèi).  電子技術(shù)應(yīng)用. 2017(08)
[4]局部分布信息增強的視覺單詞描述與動作識別[J]. 張良,魯夢夢,姜華.  電子與信息學(xué)報. 2016(03)
[5]基于深度信息的人體動作識別研究綜述[J]. 陳萬軍,張二虎.  西安理工大學(xué)學(xué)報. 2015(03)
[6]HOG在人臉識別中的性能研究[J]. 向征,譚恒良,馬爭鳴.  計算機工程. 2012(15)

碩士論文
[1]基于深度信息的人體行為識別方法研究[D]. 趙曉葉.江南大學(xué) 2018
[2]基于深度信息的行為表示與識別[D]. 劉文評.中國民航大學(xué) 2017
[3]基于點云配準的3D物體檢測與定位[D]. 張凱霖.中國民航大學(xué) 2017
[4]基于深度圖像數(shù)據(jù)的人體動作識別[D]. 樊軍博.鄭州大學(xué) 2017
[5]基于深度序列的人體行為識別研究[D]. 吳貢冰.湘潭大學(xué) 2016
[6]Kinect深度相機標定算法研究[D]. 李雅娜.西安電子科技大學(xué) 2014



本文編號：3129479