基于深度图像的人体动作识别方法研究

发布时间：2021-04-29 23:26

　　人体动作识别一直是计算机视觉领域研究的热点,得到了学术界和企业界广泛的关注。深度相机和机器学习的结合应用使得目标检测与分割任务的难度有所降低。它们也为姿态估计和人体动作识别研究提供了新的思路。如何使用深度数据提高人体动作识别系统的性能,是目前亟待需要解决的一个重要问题。本文针对基于深度图像的人体动作识别这一课题展开研究,研究内容包括底层特征提取、中层特征编码、动作分类模型等几个方面。本文的主要贡献包括:（1）提出了一种基于骨架关节点运动轨迹的人体动作识别方法为了提高动作识别的准确率和实时性,提出一种基于关节点运动轨迹的动作识别方法。受心理物理学中关于人体运动实验的启发,使用人体骨架关节点的运动轨迹来表示人体动作,它能够在时空维度上对动作进行完整表达。在此基础上使用高斯混合模型对关节点运动轨迹进行聚类,进而通过Fisher向量进行特征量化。考虑到动作识别任务的实时性需求,提出基于超限学习机的动作识别,以此提升动作识别任务的实时性和准确率。最后,通过在公开数据集上进行实验,实验结果验证了该方法的有效性。（2）提出了一种基于关节间夹角序列的人体动作识别方法针对人体动作识别中的复杂背景和视点变... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：98 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题的研究背景及意义
    1.2 国内外研究现状
        1.2.1 使用关节点
        1.2.2 使用深度数据
        1.2.3 混合使用多种模态数据
    1.3 基于深度图像序列动作识别的研究难点
    1.4 本文的主要贡献
    1.5 本文的主要内容及组织结构
2 使用深度数据进行人体动作识别
    2.1 相关研究工作
    2.2 基于深度运动投影和时域分割的人体动作识别
        2.2.1 方法描述
        2.2.2 实验及结果分析
    2.3 特征提取策略对动作分类性能影响的评估
        2.3.1 方法描述
        2.3.2 实验及结果分析
    2.4 基于非负矩阵分解的人体动作识别
        2.4.1 方法描述
        2.4.2 实验及结果分析
    2.5 基于纠错输出编码的人体动作识别
        2.5.1 方法描述
        2.5.2 实验及结果分析
    2.6 本章小结
3 使用骨架关节点数据进行动作识别
    3.1 相关研究工作
    3.2 基于关节点运动轨迹的人体动作识别
        3.2.1 方法描述
        3.2.2 实验及结果分析
    3.3 基于关节间夹角变化序列的动作识别
        3.3.1 方法描述
        3.3.2 实验及结果分析
    3.4 人体跌倒检测算法
        3.4.1 方法描述
        3.4.2 实验及结果分析
    3.5 本章小结
4 使用运动历史图像进行动作识别
    4.1 相关研究工作
    4.2 基于3D运动历史图像和多任务学习的动作识别
        4.2.1 方法描述
        4.2.2 实验及结果分析
    4.3 基于3DMTM的人体动作识别
        4.3.1 方法描述
        4.3.2 实验及结果分析
    4.4 本章小结
5 小样本动作识别
    5.1 相关研究工作
    5.2 基于协作表示的人体动作识别
        5.2.1 方法描述
        5.2.2 实验及结果分析
    5.3 基于最近邻子空间分类器的人体动作识别
        5.3.1 方法描述
        5.3.2 实验及结果分析
    5.4 基于稀疏表示的人体动作识别
        5.4.1 方法描述
        5.4.2 实验及结果分析
    5.5 基于CROC的人体动作识别
        5.5.1 方法描述
        5.5.2 实验及结果分析
    5.6 本章小结
6 特征编码对动作分类性能影响的评估
    6.1 相关研究工作
    6.2 基于VLAD的人体动作识别
        6.2.1 方法描述
        6.2.2 实验及结果分析
    6.3 基于改进VLAD的人体动作识别
        6.3.1 方法描述
        6.3.2 实验及结果分析
    6.4 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果



本文编号：3168381