發(fā)布時(shí)間：2018-05-09 03:12

  本文選題：人體關(guān)節(jié)點(diǎn)信息 + 行為識(shí)別��； 參考：《機(jī)器人》2017年06期

【摘要】：針對(duì)人體關(guān)節(jié)點(diǎn)序列的連續(xù)行為識(shí)別問(wèn)題,提出了一種基于BSCPs-RF(B-spline control points-random forest)的人體關(guān)節(jié)點(diǎn)信息行為識(shí)別與預(yù)測(cè)方法.首先采用局部線性回歸與單幀關(guān)節(jié)點(diǎn)歸一化法預(yù)處理關(guān)節(jié)點(diǎn)序列,以此消除抖動(dòng)噪聲、位移和尺度的影響;然后以B樣條曲線控制點(diǎn)作為速度無(wú)關(guān)的關(guān)節(jié)點(diǎn)序列特征,并采用同步語(yǔ)音提示詞法標(biāo)注實(shí)時(shí)行為序列以提高樣本采集效率;最后采用基于隨機(jī)森林的行為識(shí)別與預(yù)測(cè)方法,并以集成學(xué)習(xí)方法優(yōu)化多分類器組合以提高識(shí)別精度.實(shí)驗(yàn)分析了不同參數(shù)值對(duì)識(shí)別效果的影響,并分別在測(cè)試數(shù)據(jù)庫(kù)MSR-Action3D以及RGB-D設(shè)備采集的實(shí)時(shí)數(shù)據(jù)集中進(jìn)行測(cè)試.結(jié)果顯示,MSR-Action3D測(cè)試結(jié)果優(yōu)于部分先前方法,而實(shí)時(shí)數(shù)據(jù)測(cè)試中該方法具有很高的識(shí)別精度,進(jìn)而驗(yàn)證了該方法的有效性.
[Abstract]:In order to solve the problem of continuous behavior recognition of human node sequence, a method of identifying and predicting the information behavior of human node based on BSCPs-RF(B-spline control points-random forestis proposed in this paper. Firstly, the local linear regression and single frame node normalization method are used to preprocess the node sequence, so as to eliminate the effects of jitter noise, displacement and scale, and then the B-spline curve control point is used as the speed independent feature of the node sequence. In order to improve the efficiency of sample collection, synchronous speech prompt lexical tagging is used to improve the efficiency of sample collection. Finally, the method of behavior recognition and prediction based on stochastic forest is adopted, and the combination of multiple classifiers is optimized by integrated learning method to improve the recognition accuracy. The effect of different parameter values on the recognition effect is analyzed experimentally and tested in the real time data set collected by MSR-Action3D and RGB-D equipment. The results show that the MSR-Action3D test results are better than some of the previous methods, and the method has a high recognition accuracy in real-time data testing, which verifies the effectiveness of the method.
【作者單位】： 山東科技大學(xué)電氣信息系;山東科技大學(xué)電子通信與物理學(xué)院;
【基金】：國(guó)家863計(jì)劃(2015AA016404-4)
【分類號(hào)】：TP181;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李寧;須德;傅曉英;袁玲;;結(jié)合人體運(yùn)動(dòng)特征的行為識(shí)別[J];北京交通大學(xué)學(xué)報(bào);2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測(cè)模型的多人行為識(shí)別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識(shí)別與理解研究綜述[J];計(jì)算機(jī)應(yīng)用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識(shí)別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展[J];中國(guó)圖象圖形學(xué)報(bào);2014年02期

6 曾青松;余明輝;賀衛(wèi)國(guó);李玲;;一種行為識(shí)別的新方法[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2009年06期

7 谷軍霞;丁曉青;王生進(jìn);;基于人體行為3D模型的2D行為識(shí)別[J];自動(dòng)化學(xué)報(bào);2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識(shí)別視頻特征[J];計(jì)算機(jī)應(yīng)用;2011年02期

9 王新旭;;基于視覺(jué)的人體行為識(shí)別研究[J];中國(guó)新通信;2012年21期

10 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動(dòng)用戶行為識(shí)別中的應(yīng)用[J];北京郵電大學(xué)學(xué)報(bào);2014年S1期

相關(guān)會(huì)議論文 前5條

1 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺(jué)察式的睡眠行為識(shí)別技術(shù)研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

2 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識(shí)別[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

3 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡(jiǎn)單人物行為識(shí)別研究[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

4 安國(guó)成;羅志強(qiáng);李洪研;;改進(jìn)運(yùn)動(dòng)歷史圖的異常行為識(shí)別算法[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

5 劉威;李石堅(jiān);潘綱;;uRecorder:基于位置的社會(huì)行為自動(dòng)日志[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 邵延華;基于計(jì)算機(jī)視覺(jué)的人體行為識(shí)別研究[D];重慶大學(xué);2015年

2 仝鈺;基于條件隨機(jī)場(chǎng)的智能家居行為識(shí)別研究[D];大連海事大學(xué);2015年

3 馮銀付;多模態(tài)人體行為識(shí)別技術(shù)研究[D];浙江大學(xué);2015年

4 姜新波;基于三維骨架序列的人體行為識(shí)別研究[D];山東大學(xué);2015年

5 裴利沈;視頻中人體行為識(shí)別若干問(wèn)題研究[D];電子科技大學(xué);2016年

6 周同馳;行為識(shí)別中基于局部時(shí)空關(guān)系的特征模型研究[D];東南大學(xué);2016年

7 徐海燕;復(fù)雜環(huán)境下行為識(shí)別特征提取方法研究[D];東南大學(xué);2016年

8 吳云鵬;集體行為的識(shí)別與仿真研究[D];鄭州大學(xué);2017年

9 何衛(wèi)華;人體行為識(shí)別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

10 吳秋霞;復(fù)雜場(chǎng)景下的人體行為識(shí)別[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 唐小琴;基于全局和局部運(yùn)動(dòng)模式的人體行為識(shí)別研究[D];西南大學(xué);2015年

2 陳鈺昕;基于時(shí)空特性的人體行為識(shí)別研究[D];燕山大學(xué);2015年

3 任亮;智能車環(huán)境下車輛典型行為識(shí)別方法研究[D];長(zhǎng)安大學(xué);2015年

4 金澤豪;并行化的人體行為識(shí)別方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

5 王露;基于稀疏時(shí)空特征的人體行為識(shí)別研究[D];蘇州大學(xué);2015年

6 于靜;基于物品信息和人體深度信息的行為識(shí)別研究[D];山東大學(xué);2015年

7 章瑜;人體運(yùn)動(dòng)行為識(shí)別相關(guān)方法研究[D];南京師范大學(xué);2015年

8 趙揚(yáng);家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學(xué);2015年

9 王曉龍;基于軌跡分析的暴力行為識(shí)別算法研究[D];上海交通大學(xué);2015年

10 張偉;智能空間下基于非視覺(jué)傳感器數(shù)據(jù)的人體行為識(shí)別方法研究[D];山東大學(xué);2015年

，

本文編號(hào)：1864310