在這個快速發(fā)展的時代,計算機智能的應用在我們的日常生活中處處存在。其中,基于視頻的研究在計算機智能領域中受到越來越多的重視。在交互、智能計算遍布的情況下,高效的人機交互在我們的日常生活中發(fā)揮著極其重要的作用,動作識別在視頻研究中是一個非常重要的任務�，F(xiàn)如今流行的體感游戲以及智能監(jiān)控系統(tǒng),都與動作識別有著很密切的關系,因而從視頻中識別人體的動作有著很廣泛的應用前景。綜上所述,如今對動作識別的研究中,一部分是對動作識別方法本身的研究,力求通過更簡便、計算量更少的方法使動作識別能夠識別出更精準的結果;另一部分是對基于動作識別的應用的研究。由此,本文借助普通的攝像頭以及Python編程平臺設計了一個實時的人體動作識別系統(tǒng),通過識別使用者的動作以統(tǒng)計其身體運動量。通過將三維人體姿態(tài)概率模型與一個多層的卷積神經(jīng)網(wǎng)絡（CNN）架構相結合,得到三維的人體姿態(tài)估計。由此獲得身體每個關節(jié)點的三維位置信息。通過計算運動的每個關節(jié)之間的距離與它們的初始值之間的比例定義不同的動作,以達到識別動作的目的。然后,基于動作識別,并結合運動消耗量與人的身高、體重、年齡、運動后的心率和運動時間之間的關系統(tǒng)計人體的運動量。... 

【文章來源】：山東師范大學山東省

【文章頁數(shù)】：43 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRCT
第一章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀與趨勢
    1.3 主要工作
        1.3.1 基于Kinect的人體動作識別
        1.3.2 基于AForge.NET框架的人體動作識別
        1.3.3 本文主要工作及創(chuàng)新點
    1.4 論文結構
    1.5 本章小結
第二章 人體動作識別技術
    2.1 概述
        2.1.1 單流網(wǎng)絡
        2.1.2 雙流網(wǎng)絡
    2.2 相關動作識別方法
        2.2.1 LRCN
        2.2.2 C3D
        2.2.3 雙流融合
        2.2.4 時間敏感網(wǎng)絡（TSN）
    2.3 動作識別應用系統(tǒng)
    2.4 本章小結
第三章 基于CNN的人體動作識別
    3.1 三維姿態(tài)估計網(wǎng)絡結構
        3.1.1 基于CNN預測的映射
        3.1.2 將二維映射提升至三維
        3.1.3 投影的二維姿態(tài)映射
        3.1.4 二維融合層
    3.2 人體姿態(tài)的概率三維模型
    3.3 三維人體姿態(tài)的多模態(tài)模型
    3.4 識別動作
    3.5 本章小結
第四章 基于動作識別的運動量統(tǒng)計
    4.1 功能設計
    4.2 功能實現(xiàn)
    4.3 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
參考文獻
攻讀碩士學位期間的主要成果
致謝


【參考文獻】：
期刊論文
[1]面向家庭服務的人體動作識別[J]. 尹建芹,田國會,姜海濤,周風余.  四川大學學報(工程科學版). 2011(04)
[2]智能視覺監(jiān)控技術研究進展[J]. 王素玉,沈蘭蓀.  中國圖象圖形學報. 2007(09)

碩士論文
[1]家庭環(huán)境下人的行為理解系統(tǒng)研究[D]. 吉艷青.山東大學 2009



本文編號：3171412