在計(jì)算機(jī)逐步智能化發(fā)展的今天,人們的日常生活變得更加方便和快捷。便捷生活的背后離不開各種數(shù)據(jù)的支撐,利用計(jì)算機(jī)去分析以人為中心的相關(guān)數(shù)據(jù)是一種研究人們生活習(xí)慣的方法。而人們的生活習(xí)慣大多是通過他們的行為來表現(xiàn)的,人體動(dòng)作是人類行為的一部分,所以人體動(dòng)作識(shí)別在我們?cè)趯?shí)際生活中應(yīng)用十分廣泛。在機(jī)器學(xué)習(xí)算法日趨成熟的條件下,人體動(dòng)作識(shí)別已經(jīng)成為人機(jī)交互領(lǐng)域中的熱點(diǎn)問題。本文是通過Kinect骨骼數(shù)據(jù)去研究人體不同的動(dòng)作,首先提出了一種二維平面投影特征的人體動(dòng)作識(shí)別方法。該方法是根據(jù)工程上三視圖投影的思想,利用人體關(guān)節(jié)部位的三視圖方向投影來尋找人體運(yùn)動(dòng)的特征。從不同的二維平面多視角地去剖析人體動(dòng)作,有助于解決人體遮擋和單一視角缺陷的問題。結(jié)合人體運(yùn)動(dòng)的規(guī)律,構(gòu)造出關(guān)節(jié)向量來表達(dá)身體部位的運(yùn)動(dòng)情況,每?jī)蓚�(gè)關(guān)節(jié)向量之間的夾角代表這兩個(gè)身體部位的相對(duì)運(yùn)動(dòng)關(guān)系。用三個(gè)投影平面里17個(gè)關(guān)節(jié)角的組合表示了整個(gè)身體框架的運(yùn)動(dòng)系統(tǒng),同時(shí)考慮到每幀動(dòng)作隨時(shí)間在變化的關(guān)系,通過余弦相似度計(jì)算出每一時(shí)刻的關(guān)節(jié)角信息,最終根據(jù)樣本量大小和運(yùn)動(dòng)特征的特點(diǎn),選擇出合適的分類器,達(dá)到對(duì)人體動(dòng)作分類的目的。在上述研究方法的基... 

【文章來源】：安慶師范大學(xué)安徽省

【文章頁(yè)數(shù)】：50 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

VR的各種應(yīng)用

圖 1.1 VR 的各種應(yīng)用虛擬現(xiàn)實(shí)是一種人與計(jì)算機(jī)模擬的虛擬環(huán)境之間自然交互的人機(jī)界面，它有著極闊的開拓前景和巨大的市場(chǎng)潛力。虛擬現(xiàn)實(shí)生成的關(guān)鍵是對(duì)虛擬世界的構(gòu)建，尤其電影和游戲方面，要有很強(qiáng)的人物代入感和真實(shí)感，因此對(duì)虛擬環(huán)境逼真程度的要來越高。2019 年上映的電影《流浪地球》，其中科幻場(chǎng)景的生成以及人物的打斗都過這種方式完成的。撒貝寧在央視網(wǎng)絡(luò)春晚上與另一個(gè)自己進(jìn)行互動(dòng)，實(shí)際上就是 AI 虛擬主持人來模擬人的各種姿勢(shì)和表情。撒貝寧說自己遇到了職業(yè)危機(jī)，主持個(gè)職業(yè)以后會(huì)不會(huì)被人工智能取代，這雖然是玩笑話，但是人工智能[3]正在飛速崛形勢(shì)是可以預(yù)見的。

那么這臺(tái)機(jī)器就具有智能，同時(shí)他也預(yù)測(cè)了智能機(jī)器的詞是由約翰·麥卡錫提出的，1956 年的達(dá)特茅斯會(huì)議推動(dòng)了世后來這被人們看做是人工智能正式誕生的標(biāo)志。接著人工智，后來計(jì)算機(jī)被普遍應(yīng)用在自然語(yǔ)言和數(shù)學(xué)領(lǐng)域，用來解決讓眾多的學(xué)者都堅(jiān)定了機(jī)器往人工智能發(fā)展趨勢(shì)的信念，當(dāng)工智能可以代替人類做所有的事情。但是到了 70 年代，人痛苦而艱難的歲月，因?yàn)檠芯咳藛T大大地低估了人工智能項(xiàng)國(guó)國(guó)防高級(jí)研究計(jì)劃署合作的計(jì)劃以失敗而告終，還讓人們極的看法。與此同時(shí)，面對(duì)社會(huì)輿論的壓力，導(dǎo)致很多的研其他項(xiàng)目之上。當(dāng)時(shí)的環(huán)境難以實(shí)現(xiàn)人工智能的主要原因有能的限制，人工智能的算法難以通過程序來運(yùn)行出來；第二只能夠處理相對(duì)比較簡(jiǎn)單的問題，一般只是用來解決某些特缺乏，在當(dāng)時(shí)的條件約束下，很難找到足夠大的數(shù)據(jù)庫(kù)用來而深度學(xué)習(xí)需要大量的樣本進(jìn)行訓(xùn)練。這些原因都是使計(jì)算

【參考文獻(xiàn)】：
期刊論文
[1]Hierarchical Human Action Recognition with Self-Selection Classifiers via Skeleton Data[J]. 蘇本躍,吳煌,盛敏,申傳勝.  Communications in Theoretical Physics. 2018(11)
[2]基于AR動(dòng)態(tài)圖像的人物動(dòng)作捕捉技術(shù)研究[J]. 高晶,陳曉臻.  現(xiàn)代電子技術(shù). 2018(08)
[3]基于四元數(shù)3D骨骼表示的人體行為識(shí)別[J]. 徐海洋,孔軍,蔣敏.  激光與光電子學(xué)進(jìn)展. 2018(02)
[4]人工智能:概念·方法·機(jī)遇[J]. 鐘義信.  科學(xué)通報(bào). 2017(22)
[5]Three-dimensional free view reconstruction in axially distributed image sensing[J]. Chang-Taek Seo,Shin-Won Kang,Myungjin Cho.  Chinese Optics Letters. 2017(08)
[6]基于深度傳感器骨骼追蹤的快速人體測(cè)量方法[J]. 歐攀,吳帥,周鍇.  激光與光電子學(xué)進(jìn)展. 2017(12)
[7]虛擬現(xiàn)實(shí)技術(shù)在執(zhí)行功能評(píng)估中的應(yīng)用[J]. 李明英,吳惠寧,蒯曙光,張暢芯.  心理科學(xué)進(jìn)展. 2017(06)
[8]基于J48決策樹分類器的情緒識(shí)別與結(jié)果分析[J]. 蔣小梅,張俊然,陳富琴,黃江濤.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(03)
[9]基于隱馬爾科夫模型的人體動(dòng)作壓縮紅外分類[J]. 關(guān)秋菊,羅曉牧,郭雪梅,王國(guó)利.  自動(dòng)化學(xué)報(bào). 2017(03)
[10]加權(quán)SVDD算法在人體姿態(tài)估計(jì)中的研究與應(yīng)用[J]. 韓貴金.  計(jì)算機(jī)工程與應(yīng)用. 2017(15)



本文編號(hào)：3589623