發(fā)布時(shí)間：2024-03-04 22:07

　　人體動(dòng)作識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要分支,目前被廣泛研究。但是傳統(tǒng)的人體動(dòng)作識(shí)別方法,如支持向量機(jī)、隱馬爾可夫和方向梯度直方圖等,一般需要對(duì)數(shù)據(jù)進(jìn)行復(fù)雜的預(yù)處理并且其識(shí)別精度還有待提升。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,通過(guò)建立人工神經(jīng)網(wǎng)絡(luò),可以適當(dāng)避免大多數(shù)復(fù)雜的預(yù)處理過(guò)程,能夠自動(dòng)“學(xué)習(xí)”到人體動(dòng)作的有效特征并且識(shí)別精度相對(duì)較高。本文主要針對(duì)人體的靜態(tài)動(dòng)作和動(dòng)態(tài)動(dòng)作兩方面分別建立深度學(xué)習(xí)模型。具體的研究工作如下:第一,在靜態(tài)人體動(dòng)作識(shí)別中,針對(duì)RGB圖片背景的復(fù)雜度較高并且缺乏深度信息的問(wèn)題,本文提出了M-CNN模型,將靜態(tài)人體動(dòng)作的RGB圖像信息和骨骼點(diǎn)信息進(jìn)行融合,利用骨骼點(diǎn)信息有效彌補(bǔ)了RGB圖像信息在深度信息上的缺失,降低了圖像背景復(fù)雜度對(duì)有效特征提取的影響。實(shí)驗(yàn)結(jié)果表明,融合骨骼點(diǎn)信息后,提高了靜態(tài)人體動(dòng)作識(shí)別的準(zhǔn)確性。第二,在動(dòng)態(tài)人體動(dòng)作識(shí)別中,目前基于深度學(xué)習(xí)的方法多以視頻幀作為輸入,當(dāng)分類(lèi)一段長(zhǎng)視頻時(shí),就需要將其分割成多個(gè)等長(zhǎng)的短視頻,分別提取特征或求均值等。該類(lèi)方法不但降低了視頻分類(lèi)的精度,而且因視頻背景復(fù)雜而加大了提取目標(biāo)特征的難度,針對(duì)此類(lèi)問(wèn)題本文提出了DBLSTM-...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1Kinect體感交互設(shè)備Kinect最左邊的是紅外發(fā)射器，最右邊的是紅外接收器

圖2-1Kinect體感交互設(shè)備左邊的是紅外發(fā)射器，最右邊的是紅外接收器。從右往左rWindowsSDK開(kāi)發(fā)工具能夠追蹤到位于Kinect視野范圍inect[26]可以實(shí)時(shí)快速地提取人體骨骼點(diǎn)三維坐標(biāo)，從頭標(biāo)點(diǎn)。如圖2-2所示：頭脖子左肩膀右肩膀右肘左肘左手腕....

圖5-1UKinect-Action3D數(shù)據(jù)集

實(shí)驗(yàn)環(huán)境環(huán)境配置操作系統(tǒng)WindowsCPUIntelcorei5內(nèi)存16GB編程語(yǔ)言python3.5.0深度學(xué)習(xí)框架1深度學(xué)習(xí)框架2效果展示thensorflow1.9.0keras2.1.0Unity3D人體動(dòng)作識(shí)別算法實(shí)驗(yàn)及分析，針對(duì)上述第3章....

圖5-15利用Kinect實(shí)時(shí)提取3D人體骨骼坐標(biāo)點(diǎn)如圖5-16，5-17，5-18，5-19，5-20，5-21，5-22，5-23，5-24，5-25所示，分別代表了動(dòng)態(tài)人體的動(dòng)作，如圖5-16代表了右胳膊向左滑動(dòng)，

圖5-15利用Kinect實(shí)時(shí)提取3D人體骨骼坐標(biāo)點(diǎn)如圖5-16，5-17，5-18，5-19，5-20，5-21，5-22，5-23，5-24，5-25所示，分別代表了動(dòng)態(tài)人體的動(dòng)作，如圖5-16代表了右胳膊向左滑動(dòng)，圖5-17代表了左胳膊向右滑動(dòng)，圖....

圖5-17代表了左胳膊向

圖5-15利用Kinect實(shí)時(shí)提取3D人體骨骼坐標(biāo)點(diǎn)如圖5-16，5-17，5-18，5-19，5-20，5-21，5-22，5-23，5-24，5-25所示，分別代表了動(dòng)態(tài)人體的動(dòng)作，如圖5-16代表了右胳膊向左滑動(dòng)，圖5-17代表了左胳膊向右滑動(dòng)，圖....

本文編號(hào)：3919241