基于骨骼数据的人体动作识别方法研究

发布时间：2023-02-25 18:59

　　人体动作识别是计算机视觉与模式识别领域中非常热门的研究领域,在围绕“以人为中心的计算”中更起到举足轻重的作用。传统的研究大部分集中于摄像头捕获的视频图像,而近些年,在大数据时代的趋势下,通过传感器采集运动数据的研究开始流行。再加上机器学习技术的迅猛发展,这种数据驱动下的人体动作识别研究必然会获得更多的关注。其中,基于骨骼数据的人体动作识别研究就在这样的背景下逐渐成为热点。特征提取和分类器构造是机器学习分类算法中的关键步骤,也是人体动作识别研究中的核心问题。现有的基于骨骼数据的研究中,大多数采用单层分类的方式,这样就忽略了动作内在的层次关系,而在特征方面,大部分的研究没有过多的关注时序问题,而是将人体运动的时间序列转换成更加容易处理的无序数据,然而恰恰相反,时间也是人体运动中一个重要的特征。因此本文中,就对这些问题进行了深入思考,提出了逐层分类的识别方法,既考虑到人体动作的层次性又关注到运动序列的时空特性。更进一步地,我们在分类器构造上面也做了一点创新性的改进,由于分类器对于不同数据具有不同程度的依赖性,因此我们设计了一个最佳分类单元,其功能是基于特征数据自动的选择一个最佳的分类器,这样...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 研究现状
    1.4 研究内容
    1.5 论文结构
第二章 相关理论与知识
    2.1 人体生物结构和运动机理
    2.2 人体运动系统的时空特征及层次结构
    2.3 人体运动行为识别的分层策略
    2.4 运动数据采集与相关数据集
第三章 基于分层策略的人体动作识别
    3.1 引言
    3.2 分层特征提取
    3.3 级联分类器构造
    3.4 实验分析
    3.5 小结
第四章 基于自选择机制的人体动作识别
    4.1 引言
    4.2 最佳分类单元
    4.3 概率投票机制
    4.4 实验分析
    4.5 小结
第五章 总结与展望
    5.1 工作总结
    5.2 未来展望
参考文献
致谢
作者在攻读硕士学位期间取得的学术成果



本文编号：3749014