針對舞蹈視頻與動作識別技術(shù)相結(jié)合的問題,文中研究探討一種基于計(jì)算機(jī)視覺的舞蹈視頻動作識別技術(shù)。該技術(shù)首先將獲取到的舞蹈視頻圖像進(jìn)行灰度化、背景消除和濾波去噪等預(yù)處理操作后,得到該視頻序列中人物的動作特征。然后利用支持向量機(jī)SVM從對象特征樣本集中抽取一部分?jǐn)?shù)據(jù)樣本用于模型的學(xué)習(xí)訓(xùn)練,訓(xùn)練完成后再對其他部分進(jìn)行動作分類識別。KTH動作數(shù)據(jù)庫與實(shí)拍舞蹈視頻的仿真測試結(jié)果說明,該方法能夠迅速、有效地識別出舞蹈視頻中所出現(xiàn)的動作,且平均識別準(zhǔn)確率在85%以上,驗(yàn)證了該技術(shù)應(yīng)用于舞蹈動作識別中的可行性。 

【文章來源】：電子設(shè)計(jì)工程. 2020,28(07)

【文章頁數(shù)】：5 頁

【部分圖文】：

計(jì)算機(jī)視覺系統(tǒng)

按照Marr教授所提出的計(jì)算視覺理論，計(jì)算機(jī)視覺可分為3個(gè)等級，分別為初級視覺、中級視覺和高級視覺，如圖2所示。其中，初級視覺是對傳入的原始圖像利用相關(guān)技術(shù)與算法進(jìn)行處理。同時(shí)提取圖像中所包含的有效信息包括：圖像去噪、圖像灰度化、圖像濾波以及圖像邊界、顏色等特征提取[10]。此等級為計(jì)算機(jī)視覺研究中的初級階段；中級視覺指利用圖像場景，通過立體視覺和測距成像等技術(shù)，重建圖像場景的深度和物體的輪廓，由于此階段所獲得的信息是在初級視覺的基礎(chǔ)上添加深度信息所以稱為2.5D描述[11]；高級視覺則是以物體作為中心建立相應(yīng)的坐標(biāo)系，恢復(fù)、識別和表示物體的三維信息。此階段中所獲得和利用的是物體的三維信息，稱之為3D描述。

灰度化后圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的實(shí)時(shí)人體動作識別監(jiān)控方法[J]. 劉安祺,張帥,常馨芳,陳炳坤.  黑龍江科學(xué). 2018(20)
[2]基于改進(jìn)的深度神經(jīng)網(wǎng)絡(luò)的人體動作識別模型[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)
[3]一種基于MHI和支持向量機(jī)的人體動作識別方法分析[J]. 馬新錄.  電子設(shè)計(jì)工程. 2018(17)
[4]基于深度學(xué)習(xí)與運(yùn)動信息的動作識別算法[J]. 吳志攀,鄭中韋.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(08)
[5]舞蹈視頻圖像中動作識別方法研究[J]. 李紅竹.  電視技術(shù). 2018(07)
[6]基于計(jì)算機(jī)視覺的運(yùn)動員錯(cuò)誤動作識別模型構(gòu)建及仿真[J]. 高亮.  微型電腦應(yīng)用. 2018(06)
[7]基于視頻深度學(xué)習(xí)的時(shí)空雙流人物動作識別模型[J]. 楊天明,陳志,岳文靜.  計(jì)算機(jī)應(yīng)用. 2018(03)
[8]基于視覺的體感交互人體動作識別系統(tǒng)研究[J]. 劉翔宇,楊越佳,胡令昊,李沐鑫,張健.  電腦知識與技術(shù). 2018(01)
[9]基于動作標(biāo)準(zhǔn)序列的3D視頻人體動作識別[J]. 聶勇,張鵬,馮輝,楊濤,胡波.  太赫茲科學(xué)與電子信息學(xué)報(bào). 2017(05)
[10]基于判別性區(qū)域提取的視頻人體動作識別方法[J]. 段立娟,郭亞楠,喬元華,李凱.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(10)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)與視頻復(fù)合特征的人體動作識別[D]. 張董.北京印刷學(xué)院 2018
[2]面向人機(jī)交互的三維人體動作分析關(guān)鍵技術(shù)研究與應(yīng)用[D]. 趙思蕊.西南科技大學(xué) 2017
[3]基于視覺的人機(jī)交互動作識別研究與DSP實(shí)現(xiàn)[D]. 趙樹言.太原理工大學(xué) 2016
[4]基于Kinect的人體姿勢識別方法在舞蹈訓(xùn)練中的應(yīng)用[D]. 李昕迪.黑龍江大學(xué) 2015
[5]基于Kinect深度圖像人體動作識別研究[D]. 李靖意.北京郵電大學(xué) 2015



本文編號：2997711