發(fā)布時間：2020-08-06 08:36

【摘要】：作為計算機視覺、人工智能以及模式識別領域中的重要一員,人體動作識別廣受關注,其應用涉及視頻監(jiān)控、人機交互、醫(yī)療康復等領域。然而,由于人體動作的多變性、時空復雜性等問題的存在,人體動作識別研究仍極具挑戰(zhàn)性。本文提取人體骨骼信息進行研究,提出了一種基于李群特征和深度學習的人體動作識別方法。人體骨骼信息可較好克服如光照、人體體型變化等外界因素的影響;李群流行結構可較好處理人體運動數據的多樣性和復雜性問題;深度學習用于高維數據處理、特征學習及分類。具體地,本文利用李群骨骼表示模型對人體動作骨骼數據進行建模,并用卷積神經網絡對提取的動作特征進行學習、分類。最后,對人體動作識別在虛擬學習環(huán)境中的自然交互應用進行了研究。本文主要研究內容如下:首先,研究了基于Kinect的人體骨骼信息提取關鍵技術。分析了Kinect體感設備的基本工作原理、人體動作數據的采集過程及人體骨骼信息的獲取方法。其次,研究了基于李群骨骼表示模型的人體動作特征提取方法�；诠趋佬畔�,利用人體不同身體部位間的相對三維幾何關系進行人體動作建模,將人體動作骨架序列表示為李群流行空間中的曲線,然后將李群空間中的曲線映射到李代數空間,完成人體動作特征的提取。再次,研究了基于卷積神經網絡的人體動作識別方法。由于采用李群骨骼表示模型提取的李群特征,其數據維度較高,為了能對高維數據進行處理,同時又能降低識別過程的復雜度,加快計算速度,用卷積神經網絡進行了特征學習和分類。分別在數據庫Florence3D-Action、MSR Action-Pairs和UT Kinect-Action上進行了測試,本文方法分別取得了93.00%、93.68%和97.96%的平均識別率,超過目前部分關注度較高的研究,體現了較好的準確性和魯棒性。最后,為驗證本文方法較好的庫移植能力和魯棒性,在實驗室自建的人體動作數據庫上進行了方法的測試,取得了97.26%的平均識別率。同時,本文基于人體動作識別,研究了虛擬學習環(huán)境中虛擬角色的自然交互應用,四名測試者分別對本文虛擬人機交互系統(tǒng)進行了測試,最終的測試結果表明該系統(tǒng)具有靈活性和穩(wěn)定性。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O152.5;TP18
【圖文】：

碩士學位論文 第 2 章 人體動作識別與運動信息ect 深度圖像獲取像又稱作距離圖像，它提供的是被測試者與 Kinect 設備間進行 3D 反映，距離的單位以毫米(mm)計數，最大距離 409m-3810mm。當 Kinect 進行外界深度圖像提取時，超出其可別，這部分的值設置為 0，通常被過濾掉；在可視范圍內時景分割，根據距離關系找到目標可能存在的區(qū)域，進而進行取到人體深度圖像的完整輪廓。

學位論文 第 3 章 基于李群骨骼表示模型的人特征提取取的人體骨架包含 20 個關節(jié)點，19 個骨骼肢體的人體骨骼信息可以較好克服光照變化等外界環(huán)運動信息，而且數據量少，易于儲存，極利于用體骨骼信息的李群骨骼表示模型，其基本原理為)表示，其中1{ , , }NV v v表示人體關節(jié)集合，E集合，其中N 為關節(jié)點數量，M 為剛性肢體數量的起始點和終止點，nl 表示肢體 的長度。

圖 4.7 識別率隨迭代次數變化的折線圖表 4.2 Florence3D-Action 數據庫上的不同人體動作識別方法識別效果比較人體動作識別方法 Florence3D-Action 數據庫上的平均識別率(%)L.Seidenari[54]82.00%M.Devanne[32]87.04%R.Anirudh[28]89.67%R.Vemulapalli[30]90.88%本文方法 93.00%表 4.2 分析可知，本文的人體動作識別方法能夠取得較好的動作識別于其他一些比較流行的動作識別方法，本文的效果更佳；特別地，nari 等人的方法，本文方法的平均識別率比其高出了 11%；而 R.Ve用了李群骨骼表示和支持向量機(SVM)相結合的方法進行人體動作識0.88%的平均識別率，與本文方法相比，本文方法不僅取得了更好的識

【相似文獻】

相關期刊論文 前10條

1 丁偉利;胡博;張焱鑫;;基于規(guī)則的連續(xù)動作識別[J];高技術通訊;2019年09期

2 章樹軍;藍善禎;卜琪;汪洋;;基于深度學習的動作識別方法簡述[J];中國傳媒大學學報(自然科學版);2019年05期

3 王松;黨建武;王陽萍;杜曉剛;;實時動作識別方法研究[J];計算機工程與應用;2017年03期

4 李文輝;;基于多示例多特征的人體動作識別[J];信息技術;2016年12期

5 王松;杜曉剛;王陽萍;楊景玉;;基于關節(jié)點運動軌跡的人體動作識別[J];寧夏大學學報(自然科學版);2017年02期

6 任丹;;基于表面肌電信號特征的動作識別[J];遼東學院學報(自然科學版);2017年01期

7 區(qū)峻;石千惠;;特征降維和高斯混合模型的體育運動動作識別[J];現代電子技術;2017年11期

8 凌佩佩;邱崧;蔡茗名;徐偉;豐穎;;結合特權信息的人體動作識別[J];中國圖象圖形學報;2017年04期

9 王松;黨建武;王陽萍;杜曉剛;;基于關節(jié)間夾角變化序列的動作識別算法研究[J];計算機應用與軟件;2017年06期

10 侯靜怡;劉翠微;吳心筱;;基于隱任務學習的動作識別方法[J];北京理工大學學報;2017年07期

相關會議論文 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];廣州市儀器儀表學會2009年學術年會論文集[C];2010年

2 葉喜勇;陶霖密;王國建;邸慧軍;;視角無關的人體軀干動作識別[A];第六屆和諧人機環(huán)境聯合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

3 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學術會議論文集[C];2010年

4 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)境聯合學術會議（HHME2007）論文集[C];2007年

5 呂超;;基于動作識別的增強現實系統(tǒng)中實時交互技術的研究~[A];中國造船工程學會電子技術學術委員會2017年裝備技術發(fā)展論壇論文集[C];2017年

6 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學術會議論文集[C];2008年

7 劉志強;尹建芹;張玲;魏軍;劉小麗;;基于Kinect數據主成分分析的人體動作識別[A];2015光學精密工程論壇論文集[C];2015年

8 王彥鴻;倪世宏;王剛;謝川;;基于遺傳算法的飛行動作識別規(guī)則獲取方法[A];中國航空學會控制與應用第十二屆學術年會論文集[C];2006年

9 征容;嚴瀟然;;PCA在智能家居中的動作識別實例和測試[A];四川省通信學會2015年學術年會論文集[C];2015年

10 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術會議論文集（第五分冊）[C];2013年

相關重要報紙文章 前10條

1 記者 袁斯茹;人體動作識別率得以顯著提高[N];深圳商報;2019年

2 記者 顧瑾　通訊員 徐紅萍;杭州電信推出“網絡健身館”[N];人民郵電;2010年

3 杜浩;無人書店的啟示[N];山西日報;2018年

4 本報記者 陳丹;人與機器的“對話”[N];科技日報;2010年

5 本報記者 郝天韻 見習記者 朱麗娜;無人書店，是噱頭還是趨勢[N];中國新聞出版廣電報;2018年

6 見習記者 王欣琳;青年創(chuàng)客展示創(chuàng)新項目尋求更多合作[N];中山日報;2019年

7 寧夏 邊書麗 編譯;深入了解體感技術[N];電子報;2013年

8 本報記者 馬愛平;動一動就認清你？機器說可以[N];科技日報;2017年

9 曹_g;強強聯手引領運動健康產業(yè)發(fā)展[N];中國體育報;2016年

10 安吉;Kinect for Windows帶來精彩行業(yè)應用[N];科技日報;2014年

相關博士學位論文 前10條

1 Fangbemi Abassin Sourou;基于時空二進制特征的動作識別算法研究[D];中國科學技術大學;2018年

2 陳野;基于可穿戴傳感器數據的人體動作識別方法的研究[D];大連理工大學;2018年

3 楊維信;基于路徑重積分特征和深度學習方法的軌跡數據的表征和識別[D];華南理工大學;2018年

4 郭明;融合多源體感信息的人體動作識別方法[D];大連理工大學;2018年

5 王廷蔚;基于鑒別主題和時序結構的動作識別[D];南京理工大學;2018年

6 王磊;視頻人體運動的檢測跟蹤與識別[D];上海交通大學;2017年

7 王亮亮;基于視覺的人體動作識別研究[D];哈爾濱工業(yè)大學;2017年

8 李向新;基于多源神經信息解碼的多功能假肢控制性能增強及優(yōu)化方法[D];中國科學院大學(中國科學院深圳先進技術研究院);2017年

9 林連冬;基于仿生機械手的肌動傳感器動作識別研究[D];黑龍江大學;2017年

10 趙洋;4D人體動作識別中的關鍵技術研究[D];電子科技大學;2018年

相關碩士學位論文 前10條

1 許澤珊;基于深度神經網絡的視頻動作識別研究[D];華南理工大學;2019年

2 李冬;基于RFID群體標簽的動作識別研究[D];上海交通大學;2018年

3 范釗宣;基于深度學習的人體動作識別研究[D];上海交通大學;2018年

4 李金德;基于深度聚類的局部表征方法及其在動作識別中的應用研究[D];華南理工大學;2019年

5 張向陽;一種可穿戴式人體日常動作識別系統(tǒng)設計及其應用[D];哈爾濱工業(yè)大學;2019年

6 李子琦;面向智慧健身的物聯網動作監(jiān)控系統(tǒng)研究[D];陜西師范大學;2019年

7 魏馥琳;中國普樂手語手勢動作識別研究[D];合肥工業(yè)大學;2019年

8 郭孟汗;基于深度學習的人體骨架點檢測研究[D];西安科技大學;2019年

9 李松齡;基于卷積神經網絡的人體動作識別研究[D];電子科技大學;2019年

10 陳星宏;基于3D骨架的肢體動作識別研究[D];電子科技大學;2019年

本文編號：2782126