基于骨骼关节点的人体行为识别算法研究

基于骨骼关节点的人体行为识别算法研究

ID:37065534

大小:1.93 MB

页数:62页

时间:2019-05-16

基于骨骼关节点的人体行为识别算法研究_第1页
基于骨骼关节点的人体行为识别算法研究_第2页
基于骨骼关节点的人体行为识别算法研究_第3页
基于骨骼关节点的人体行为识别算法研究_第4页
基于骨骼关节点的人体行为识别算法研究_第5页
资源描述:

《基于骨骼关节点的人体行为识别算法研究》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、分类号:TP391单位代码:10183研究生学号:2015532090密级:公开吉林大学硕士学位论文(学术学位)基于骨骼关节点的人体行为识别算法研究ResearchonHumanBehaviorRecognitionAlgorithmBasedonSkeletalJoints作者姓名:王事业专业:计算机应用技术研究方向:计算机视觉指导教师:于哲舟教授培养单位:计算机科学与技术学院2018年5月基于骨骼关节点的人体行为识别算法研究ResearchonHumanBehaviorRecognitionAlgori

2、thmBasedonSkeletalJoints作者姓名:王事业专业名称:计算机应用技术指导教师:于哲舟教授学位类别:工学硕士答辩日期:2018年月日未经本论文作者的书面授权,依法收存和保管本论文书面版本、电子版本的任何单位和个人,均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则,应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明:所呈交的硕士学位论文,是本人在指导教师的指导下,独立进行研究工作所取得的成果。除

3、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作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名:日期:2018年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院:本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容,愿意将本人的学位论文委托研究生院向中国学术期刊(光盘版)电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿,希望《中国优秀博硕士学位论文全文数据库》给予出版,并同意在《

4、中国博硕士学位论文评价数据库》和CNKI系列数据库中使用,同意按章程规定享受相关权益。论文级别:■硕士□博士学科专业:计算机应用技术论文题目:基于骨骼关节点的人体行为识别算法研究作者签名:指导教师签名:2018年月日作者联系地址(邮编):吉林大学计算机科学与技术学院130012作者联系电话:13756686513摘要摘要基于骨骼关节点的人体行为识别算法研究人体行为识别作为计算机视觉的一个重要课题,一直以来受到了各界学者的关注,在智能监控、人机交互、视频检索和运动分析等领域有着非常广泛的应用。人体行为识别有很

5、多的难点,例如:遮挡、类内变化、类间相似、尺度变化、光照变化和背景扰动等,仅仅根据RGB视频数据流很难处理。随着Kinect等设备的普及,深度数据和骨骼关节点数据越来越容易获得。因为骨骼关节点数据可以很好地构建出人体模型,越来越多的学者开始关注基于骨骼关节点的人体行为识别。本文对基于骨骼关节点的人体行为识别技术进行了研究,研究内容包括三个部分:动作识别、实时动作检测和实时动作分割。动作识别是在分割好的视频序列上识别出动作类别;实时动作检测是在未分割视频序列上实时地检测某种动作是否发生;实时动作分割是在未分割

6、视频序列上实时分辨出动作的类别和该动作的开始帧与结束帧。以往学者们大多关注如何进行动作识别,而对实时动作检测和实时动作分割关注较少。随着Kinect等设备的普及和现实对此的需求,近几年实时动作检测和实时动作分割也开始受到部分学者的关注。本文工作如下:在动作识别上,根据泰勒中值定理和身体关节点坐标提出的运动姿态描述子(MovingPoseDescriptor)能够准确地描述人体动作。相似的,本文根据泰勒中值定理和身体关节角度,提出了运动角度描述子(MovingAngleDescriptor),该描述子包括角度

7、、角速度和角加速度三部分。运动姿态描述子关注人体关节点坐标的变化,运动角度描述子关注人体关节角度的变化,二者各有优点。为了将运动姿态描述子和运动角度描述子的优点结合,本文在描述子级别上对它们进行了权重融合,权重融合后的描述子称为融合运动描述子(FusedMovingDescriptor),以该描述子构建词袋模型进行人体动作识别。在实时动作检测和实时动作分割任务中,ELS(EfficientLinearSearch)算法效果非常好,但是该算法忽略了多个动作类别的最大子序列和大于等于自身阈值的情况,在这种情况下

8、,ELS算法无法辨别动作类别。针对ELS算法的这个缺点,本文提出了两个改进方法,第一个是记录顺序法,该方法记录第一个大于等于自身阈值的动作类,并以I摘要此作为输出判断;第二个是计算阈值比法,该方法计算每个动作类的最大子序列和超出自身阈值部分占自身阈值的比例,选择超出自身阈值比例最多的动作类别作为输出判断。本文在MSR-Action3D数据集和MSRC-12数据集上进行实验,证明了本文提出的运动角度描述子能够有效地

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。