计算机应用与软件说明.doc

《计算机应用与软件说明.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于Kinect传感器和Adaboost算法的人体动作识别研究摘　要基于Kinect深度传感器提取人体骨骼信息，提出了一种有效的动作识别方法。该方法首先利用Kinect传感器获取人体骨骼三维位置信息和骨骼点的旋转信息，其中骨骼点的旋转信息用四元数的形式来表示；然后由获得的人体骨骼旋转数据构造候选特征曲线；最后用Adaboost算法对样本进行训练，得到相应的动作特征集和强分类器，并对强分类器进行融合，提出了动作识别力度来提高动作的识别率。实验结果证明，该方法对不同体型的人的动作都具有很高的识别准确率和鲁棒性。关键词Kinect深度

2、传感器Adaboost算法四元数候选特征动作识别力度中图分类号TP391.9　　　　文献标识码A　　　　ResearchonhumanactionrecognitionbasedonKinectsensorandAdaboostalgorithmZhuXi’an1GuoDandan2[作者英文名或拼音]1,2(CollegeofInformationandTelecommunicationEngineering,BeijingInformationScienceandTechnologyUniversity,Beijing100

3、101)AbstractAneffectiveHumanactionrecognitionmethodbasedonthehuman skeletal information whichis extractedbyKinectdepthsensor isproposedinthispaper.First,humanbonethree-dimensionalpositioninformationandtherotationinformationofskeletalpointexpressedintheformofquaternio

4、nareacquiredby Kinectdepthsensor.Thenthecandidatecharacteristiccurveswereconstructedbyhumanbonerotationdatainformation.Finally,acorrespondingsetofoperationcharacteristicsandthestrongclassifierareobtainedbytrainingsamplesbasedonAdaboostalgorithm,andthestrongclassifier

5、sarefused.Theactionrecognitionstrengthisproposedtoimprovetherecognitionratemovements.Theexperimentalresultsshowthatthemethodforpeopleofdifferentbodymovementshasahighidentificationaccuracyandrobustness.KeywordsKinectdepthsensorAdaboostalgorithmquaternioncandidatechara

6、cteristicactionrecognitionstrength0引　言[标题1]人体动作识别在计算机视觉、机器学习、模式识别、信号处理等领域[1,2]是一个具有挑战性和重要意义的研究课题，广泛应用于人机交互、体育运动分析、智能监控、基于内容的检索和智能房间等方面。因此，国内外的研究人员对此开展了大量的研究，目前，国内外的研究取得了很多重要的成果。国内如清华大学的任海兵[3]，采用动态贝叶斯网络对非特定人自然的人体动作进行了识别；中科院的王兆其等人[4]对运动的训练动作进行了识别。国外如KanavKahol等人[5]对人体舞

7、蹈动作进行了识别；RamNevatia等人[6]采用基于语法的方法对类似盗窃的异常行为进行了识别。收稿日期:2014-10-11。国家科技重大专项“煤层气田地面集输信息集成及深度开发技术”(2011ZX05039-004-02)。北京信息科技大学研究生科技创新项目“煤层气地面集输仿真培训系统中数据手套和Kinect相结合的研究与应用”(5121424102)。朱希安，教授，主研领域：图像处理和信息系统集成。郭丹丹，硕士研究生。人体动作识别的传统方法可分为三类：基于统计的方法、基于模板的方法和基于语法的方法。基于统计的方法主要有隐

8、形马尔科夫模型和动态贝叶斯网络；基于模板的方法主要有模板匹配法、动态规划法和动态时空规整法；基于语法匹配的方法主要是有限状态机。近几年来，采用机器学习的方法来进行动作识别取得了不错的进展，它通过对样本进行训练来得到相应的分类器，对人体动作进行识别。本文采用的是机