人体运动判别特征提取及分类方法研究

《人体运动判别特征提取及分类方法研究》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、国内图书分类号：TP319.4学校代码：10213国际图书分类号：681.39密级：公开工学硕士学位论文人体运动判别特征提取及分类方法研究硕士研究生：KarnNabinKumar(那滨)导师：姜峰副教授申请学位：工学硕士学科：计算机科学与技术所在单位：计算机科学与技术学院答辩日期：2015年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP319.4U.D.C.:681.39DissertationfortheMasterDegreeinEngineeringDISCRIMINATIV

2、EFEATURESEXTRACTIONANDEFFECTIVECLASSIFICATIONINHUMANMOTIONANALYSISCandidate:KarnNabinKumarSupervisor:AssociateProf.JiangFengAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ComputerScienceandTechnologyAffiliation:ComputerScienceandTechnologyDateofDe

3、fence:June,2015Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要人类每天连续地从事着大量的活动。我们不自觉的识别理解这些活动，同时跟其他人与环境进行互动和交流。如果机器跟计算机也能像人类一样有效的理解到人类的手势，一个新世界的篇章将被翻开，充斥着大量的协助人类生活的应用。这个对社会重大的利益将激发基于机器的手势识别的研究，这些研究已经在大量的应用中展示了一些初级的优势。例如，手势可以用来对机

4、器人发送指令，或者代替例如触摸屏或者鼠标等便准输入的计算机程序。本文提出了一种基于抽取自RGB-D数据的时空特征的人类手势的识别系统框架，此系统能够有效的抽取特征及有效的识别人类手势，其中一个单独的用例也是可以有效的用来训练。通常说来，我们的框架大致分为两部分，特征抽取及分类。它们两者都严重的影响着识别的效果。1.Shi-Tomasi边缘检测算法被用来检测一幅图像中运动区域的关键兴趣点，在每一帧的GRB跟深度图的不同层次上。当检测兴趣点时，可能会检测到一些无效的点，所以我们应用了Lucas-Kanade

5、跟踪及过滤方法。使用Lucas-Kanade方法，每个在金字塔不同层次上的兴趣点的速度都被计算出来。然后，只有满足运动约束的那些点才被筛选出来。2.改良的GradientLocationandOrientationHistogram(GLOH)被应用到鲁棒的关键兴趣点描述子的捕获中。改良的GLOH从原始量的16bins降低至8bins从而生成了136个描述子向量。识别率几乎是想等的，但是计算时间几乎是改良的GLOH的一半。3.为了学习判别性模型，从训练样本中提取的所有特征采用K聚类的方式，来学习一个视觉

6、码本。我们使用SOMP的稀疏编码方法来获得描述码，该描述码将每一个特征映射到某个视觉码本中。4.为了识别手势，我们提出一种基于K近邻的分类方法来学习和分类手势。对于一个训练集中的每一个视频，产生本地动作。所有产生的数据集都被聚类。使用K近邻的方法来分析测试集中的手势。根据对给定的-I-哈尔滨工业大学工学硕士学位论文手势进行投票，按照识别的概率，视频可以被分类。在对CGD的动作识别中，我们提出的框架的有效性和可靠性得到了证明。、关键字：手势识别，时空特征，One-shotlearning，Bagoffea

7、tures(BoF)model,RGB-Ddata.-II-哈尔滨工业大学工学硕士学位论文AbstractHumansperformenormousnumberofactionscontinuouslyindailylife.Weidentifyandunderstandtheseactivitiesunconsciouslywhileinteractingandcommunicatingwithpeopleandtheenvironment.Ifthemachinesandcomputerscould

8、alsobeawareofhumangesturesaseffectivelyashumanbeings,anewworldwouldbeunfolded,filledwithalargenumberofapplicationstofacilitateourdailylife.Thesesignificantbenefitsforthesocietyhaveprovokedtheresearchonmachine-basedgesturer