基于3D骨骼数据的人体行为识别研究及实现

发布时间：2024-04-10 23:00

　　人体行为识别是一个新兴并且具有挑战性的研究领域,在人机交互、视频监控、智能医疗等领域具有巨大的使用价值。传统的人体行为识别大都是基于2D的视频和图像,识别效果不佳。随着深度传感器等3D技术的发展,能很好地减少识别过程中光照变化和环境背景等因素的影响,使得人体行为识别取得较好的识别效果。本文通过对3D骨骼数据的特征提取方式进行深入研究,提出一种基于混合局部特征的人体行为识别方法;同时,在此方法流程基础上对VLAD算法进行改进,提出一种基于改进VLAD的人体行为识别方法,并通过实验验证其有效性;然后使用此方法设计并实现一个人体行为识别系统。主要研究工作如下:1.针对现有人体行为识别方法特征表达准确性不高的缺点,提出一种基于混合局部特征的人体行为识别方法。该方法从局部特征提取的方式上进行改进,从骨骼关节点中提取位移矢量、相对位置和关节夹角等局部特征构建混合局部特征来描述不同种类的行为,不仅很好地描述行为的运动信息,同时保留判别能力较强的信息,去除多余的冗余信息。2.针对传统VLAD算法存在只包含一阶均值信息,很难完整地描述行为特征分布的问题,提出一种改进的VLAD算法。该算法将特征向量关联到...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 人体行为识别研究现状及研究难点
        1.2.1 国内外研究现状
        1.2.2 研究难点
    1.3 本文研究内容和组织结构
        1.3.1 本文主要研究内容
        1.3.2 章节安排
第2章 相关理论及关键技术
    2.1 人体行为识别框架
    2.2 常用人体行为识别方法
        2.2.1 基于RGB数据的人体行为识别方法
        2.2.2 基于深度数据的人体行为识别方法
        2.2.3 基于3D骨骼数据的人体行为识别方法
    2.3 人体3D骨骼数据的获取方法
        2.3.1 Kinect传感器的原理
        2.3.2 3D骨骼数据的获取
        2.3.3 3D骨骼数据的去噪
    2.4 人体行为识别常用特征聚合方法
        2.4.1 视觉词袋模型
        2.4.2 Fisher向量模型
        2.4.3 局部聚合描述符
    2.5 人体行为识别常用分类算法
        2.5.1 K近邻算法
        2.5.2 支持向量机
    2.6 本章小结
第3章 基于混合局部特征的人体行为识别方法
    3.1 3D骨骼数据的预处理
    3.2 混合局部特征提取方式的改进方法
        3.2.1 提取位移矢量特征
        3.2.2 提取相对位置特征
        3.2.3 提取关节夹角特征
    3.3 改进的人体行为识别流程
    3.4 实验结果与分析
        3.4.1 实验环境和实验数据集
        3.4.2 实验设置
        3.4.3 实验结果及分析
    3.5 本章小结
第4章 基于改进VLAD的人体行为识别方法
    4.1 传统VLAD算法存在的问题
    4.2 改进的VLAD算法
    4.3 改进的人体行为识别流程
    4.4 实验结果与分析
        4.4.1 实验设置
        4.4.2 实验结果及分析
    4.5 本章小结
第5章 人体行为识别系统设计与实现
    5.1 开发工具
    5.2 系统设计
        5.2.1 需求分析
        5.2.2 系统总体架构
        5.2.3 系统功能模块划分
    5.3 系统实现
    5.4 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 未来展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3950491