基于3D数据的人体动作识别算法研究

《基于3D数据的人体动作识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码10459学号或申请号201512172107密级硕士学位论文基于3D数据的人体动作识别算法研究作者姓名：李星导师姓名：陈恩庆教授学科门类：工学专业名称：信息与通信工程培养院系：信息工程学院完成时间：2018年4月AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterResearchonHumanActionRecognitionAlgorithmBasedon3DDataByXingLiSupervisor:Prof.EnqingChenInformationandCommunicationEngin

2、eeringSchoolofInformationEngineeringApril2018学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：日期：年月日学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子

3、版，允许论文被查阅和借阅；本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者：日期：年月日摘要摘要基于计算机视觉的人体动作识别在日常生活的很多领域有广泛应用。近年来随着低成本深度相机的发布，人们可以比较方便的获取场景的RGB和深度数据，并且可以从深度数据中实时提取人体骨骼关节的位置信息，从而大大简化了对象分割的任务，有助于人体动作识别的研究和应用。本文运用

4、骨骼特征对人体的动作识别进行研究，提出了一种能实时实现人体动作识别的算法。另一方面，本文还将骨骼特征和深度特征进行融合实现复杂交互动作的识别，主要的研究内容如下：第一，对骨骼关节的选取方法进行研究，选取在动作中起关键作用的部分关节组成关节子集，计算它们的局部时间空间特征。第二，提出基于姿势选择的隐马尔科夫模型(HMM)人体动作识别算法。该方法使用两次仿射传播(AP)聚类算法对特征进行聚类，自动选出每个动作的关键姿势，并和HMM的隐藏状态相对应。用这些隐藏状态的标签来初始化HMM的参数对模型进行训练，并用训练好的模型实现动作分类。该算法和传统的HMM算法相比可以降低初始化

5、参数对识别性能的影响，在不同的场合具有更强的适应性，与其它的动作识别算法相比训练时间较短可实时实现。基于传统K-means聚类算法，用随机初始化参数的方法在MSRAction3D上的对比试验证明了本文初始化方法的合理性；在MSRAction3D、UTKinect上和国内外方法的对比实验证明了本文算法的有效性和实时性；在MSRDailyActivity3D上的实验结果证明了算法有很强的适应性。第三，将骨骼特征和骨骼关节周围的深度特征相融合，识别更复杂的人物交互动作。骨骼特征无法提供人体之外的特征信息，与深度特征向融合可以抓住人物交互动作的细节特征。为了消除时间偏差和噪声的

6、干扰，本文用傅里叶时空金字塔除去高频系数，增强所提取特征在时间上的动态特性。在特征融合上，本文采用典型相关分析算法(CCA)，最后用一对多的线性支持向量机(SVM)分类器对融合的特征向量进行分类。本文又比较了在不同层数下的识别率，选择最合适的3层金字塔。在MSRDailyActivity3D数据库上的分类结果证明了融合方法的有效性。I摘要关键词：局部时间空间特征人体动作识别骨骼关节子集仿射传播算法隐马尔科夫模型典型相关分析算法支持向量机IIAbstractAbstractHumanactionrecognitionbasedoncomputervisionhasbeen

7、widelyusedinmanyfieldsofourdailylife.Inrecentyears,withthereleaseoflow-costdeepcameras,peoplecaneasilyacquireRGBanddepthdataofscenes.Wealsocanextractthepositioninformationofhumanskeletonandjointsfromdepthdatainrealtime,whichgreatlysimplifiesthetaskofobjectsegmentationandh