人機(jī)交互（Human-Computer Interaction）是指人與計(jì)算機(jī)之間的信息交換過程。如今,人機(jī)交互在人工智能時(shí)代起到重要作用,并朝著以用戶為中心、個(gè)性化的生物識(shí)別以及全方位感知等方面發(fā)展。隨著計(jì)算機(jī)技術(shù)的發(fā)展,人機(jī)交互已經(jīng)在互聯(lián)網(wǎng)產(chǎn)品中占據(jù)重要地位。在多種交互模式中,自然人機(jī)交互是強(qiáng)調(diào)以人為中心的交互方式,如語音交互、體態(tài)語言交互和其他姿態(tài)語言交互,這種交互方式讓人和計(jì)算機(jī)的交流變得更加自然與通暢,因此應(yīng)用前景更加可觀。自然人機(jī)交互包含體感交互,它是計(jì)算機(jī)設(shè)備“感知”人的各種行為、語言以及表情等,從而實(shí)現(xiàn)人與計(jì)算機(jī)之間信息的交換。本文就以體感交互為前提,通過識(shí)別手部靜態(tài)動(dòng)作,然后將識(shí)別到手部動(dòng)作的瞬間看作交互行為的開始,追蹤手部的連續(xù)運(yùn)動(dòng)軌跡,從而實(shí)現(xiàn)簡(jiǎn)單的實(shí)時(shí)交互。人體動(dòng)作識(shí)別作為人工智能領(lǐng)域的一個(gè)分支,在人機(jī)交互、虛擬現(xiàn)實(shí)、異常行為檢測(cè)、智能家居以及運(yùn)動(dòng)分析等多領(lǐng)域得到廣泛的應(yīng)用。因此,越來越多的學(xué)者會(huì)把時(shí)間和經(jīng)歷投入到該方面的研究中來。其中,基于人體姿態(tài)的自然人機(jī)交互中存在動(dòng)作識(shí)別準(zhǔn)確率低,連續(xù)動(dòng)作區(qū)分度差等問題。于是本文提出一種基于骨架信息的人體動(dòng)作識(shí)別與實(shí)時(shí)交互... 

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 人體動(dòng)作識(shí)別的研究現(xiàn)狀
        1.2.2 基于骨架的人體動(dòng)作識(shí)別研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)理論與技術(shù)
    2.1 人體關(guān)鍵點(diǎn)檢測(cè)方法
    2.2 實(shí)驗(yàn)數(shù)據(jù)的獲取與預(yù)處理
        2.2.1 人體關(guān)鍵點(diǎn)標(biāo)定順序
        2.2.2 數(shù)據(jù)集的獲取與處理
    2.3 目標(biāo)跟蹤算法
        2.3.1 Sort多目標(biāo)追蹤算法
        2.3.2 Deep Sort多目標(biāo)追蹤算法
    2.4 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
3 人體姿態(tài)估計(jì)
    3.1 人體姿態(tài)估計(jì)算法
    3.2 姿態(tài)估計(jì)結(jié)果
    3.3 本章小結(jié)
4 動(dòng)作識(shí)別方法與實(shí)時(shí)交互
    4.1 堆疊模型
        4.1.1 堆疊模型的搭建
        4.1.2 動(dòng)作分類
    4.2 運(yùn)動(dòng)追蹤與實(shí)時(shí)交互
    4.3 本章小結(jié)
5 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)
    5.2 實(shí)驗(yàn)環(huán)境
    5.3 動(dòng)作識(shí)別實(shí)驗(yàn)結(jié)果
        5.3.1 人體動(dòng)作識(shí)別實(shí)驗(yàn)結(jié)果
        5.3.2 人體動(dòng)作識(shí)別評(píng)價(jià)標(biāo)準(zhǔn)
    5.4 對(duì)比實(shí)驗(yàn)
        5.4.1 人體姿態(tài)估計(jì)對(duì)比實(shí)驗(yàn)
        5.4.2 動(dòng)作識(shí)別對(duì)比實(shí)驗(yàn)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)的人體動(dòng)作識(shí)別模型[J]. 何冰倩,魏維,張斌,高聯(lián)欣,宋巖貝.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[2]基于深度學(xué)習(xí)與運(yùn)動(dòng)信息的動(dòng)作識(shí)別算法[J]. 吳志攀,鄭中韋.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[3]面向人機(jī)交互的快速人體動(dòng)作識(shí)別系統(tǒng)[J]. 桑海峰,田秋洋.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[4]基于視頻深度學(xué)習(xí)的時(shí)空雙流人物動(dòng)作識(shí)別模型[J]. 楊天明,陳志,岳文靜.  計(jì)算機(jī)應(yīng)用. 2018(03)
[5]基于時(shí)空與或圖模型的視頻人體動(dòng)作識(shí)別方法[J]. 易唐唐.  控制工程. 2017(09)
[6]基于深度運(yùn)動(dòng)軌跡信息的人體動(dòng)作描述算法[J]. 章國(guó)泰,高贊,張樺,薛彥兵,徐光平.  光電子·激光. 2017(01)
[7]利用骨架模型和格拉斯曼流形的3D人體動(dòng)作識(shí)別[J]. 吳珍珍,鄧輝舫.  計(jì)算機(jī)工程與應(yīng)用. 2016(20)
[8]基于局部二進(jìn)制描述符的高效動(dòng)作識(shí)別方法[J]. 馮銘,陳軍.  小型微型計(jì)算機(jī)系統(tǒng). 2016(06)
[9]基于智能監(jiān)控的獨(dú)居老人室內(nèi)異常行為檢測(cè)[J]. 李一波,丁裕林.  計(jì)算機(jī)應(yīng)用與軟件. 2014(02)

碩士論文
[1]多模態(tài)人體動(dòng)作識(shí)別研究[D]. 何俊佑.北京郵電大學(xué) 2019



本文編號(hào)：3707828