基于计算机视觉的舞蹈视频动作识别技术研究

发布时间：2021-01-24 18:22

　　针对舞蹈视频与动作识别技术相结合的问题,文中研究探讨一种基于计算机视觉的舞蹈视频动作识别技术。该技术首先将获取到的舞蹈视频图像进行灰度化、背景消除和滤波去噪等预处理操作后,得到该视频序列中人物的动作特征。然后利用支持向量机SVM从对象特征样本集中抽取一部分数据样本用于模型的学习训练,训练完成后再对其他部分进行动作分类识别。KTH动作数据库与实拍舞蹈视频的仿真测试结果说明,该方法能够迅速、有效地识别出舞蹈视频中所出现的动作,且平均识别准确率在85%以上,验证了该技术应用于舞蹈动作识别中的可行性。 

【文章来源】：电子设计工程. 2020,28(07)

【文章页数】：5 页

【部分图文】：

计算机视觉系统

按照Marr教授所提出的计算视觉理论，计算机视觉可分为3个等级，分别为初级视觉、中级视觉和高级视觉，如图2所示。其中，初级视觉是对传入的原始图像利用相关技术与算法进行处理。同时提取图像中所包含的有效信息包括：图像去噪、图像灰度化、图像滤波以及图像边界、颜色等特征提取[10]。此等级为计算机视觉研究中的初级阶段；中级视觉指利用图像场景，通过立体视觉和测距成像等技术，重建图像场景的深度和物体的轮廓，由于此阶段所获得的信息是在初级视觉的基础上添加深度信息所以称为2.5D描述[11]；高级视觉则是以物体作为中心建立相应的坐标系，恢复、识别和表示物体的三维信息。此阶段中所获得和利用的是物体的三维信息，称之为3D描述。

灰度化后图像

【参考文献】：
期刊论文
[1]基于深度学习的实时人体动作识别监控方法[J]. 刘安祺,张帅,常馨芳,陈炳坤.  黑龙江科学. 2018(20)
[2]基于改进的深度神经网络的人体动作识别模型[J]. 何冰倩,魏维,张斌,高联欣,宋岩贝.  计算机应用研究. 2019(10)
[3]一种基于MHI和支持向量机的人体动作识别方法分析[J]. 马新录.  电子设计工程. 2018(17)
[4]基于深度学习与运动信息的动作识别算法[J]. 吴志攀,郑中韦.  计算机工程与设计. 2018(08)
[5]舞蹈视频图像中动作识别方法研究[J]. 李红竹.  电视技术. 2018(07)
[6]基于计算机视觉的运动员错误动作识别模型构建及仿真[J]. 高亮.  微型电脑应用. 2018(06)
[7]基于视频深度学习的时空双流人物动作识别模型[J]. 杨天明,陈志,岳文静.  计算机应用. 2018(03)
[8]基于视觉的体感交互人体动作识别系统研究[J]. 刘翔宇,杨越佳,胡令昊,李沐鑫,张健.  电脑知识与技术. 2018(01)
[9]基于动作标准序列的3D视频人体动作识别[J]. 聂勇,张鹏,冯辉,杨涛,胡波.  太赫兹科学与电子信息学报. 2017(05)
[10]基于判别性区域提取的视频人体动作识别方法[J]. 段立娟,郭亚楠,乔元华,李凯.  北京工业大学学报. 2017(10)

硕士论文
[1]基于卷积神经网络与视频复合特征的人体动作识别[D]. 张董.北京印刷学院 2018
[2]面向人机交互的三维人体动作分析关键技术研究与应用[D]. 赵思蕊.西南科技大学 2017
[3]基于视觉的人机交互动作识别研究与DSP实现[D]. 赵树言.太原理工大学 2016
[4]基于Kinect的人体姿势识别方法在舞蹈训练中的应用[D]. 李昕迪.黑龙江大学 2015
[5]基于Kinect深度图像人体动作识别研究[D]. 李靖意.北京邮电大学 2015



本文编号：2997711