資源描述：
《基于概率特征的在線人體動作識別方法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、基于概率特征的在線人體動作識別方法研究重慶大學碩士學位論文（學術學位）學生姓名：潘鴻波指導教師：李季副教授專業(yè)：計算機應用技術學科門類：工學重慶大學計算機學院二O一六年四月OnlineHumanActionRecognitionResearchBasedonProbabilisticCharacteristicsAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByPan
2、HongboSupervisedbyDr.LiJiSpecialty:ComputerApplicationTechnologyCollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril,2016重慶大學碩士學位論文中文摘要摘要深度攝像頭的出現(xiàn)，大大推動了人體動作識別的發(fā)展。深度攝像頭的深度圖像能提供拍攝目標的深度信息，這些信息可以使研究者高效可靠地提取出人體的骨骼數(shù)據(jù)。由于骨骼數(shù)據(jù)能很好的刻畫出動作的動態(tài)特征，所以近年來出現(xiàn)了很多基于骨骼數(shù)據(jù)的人體動作識別
3、方法，這些方法顯示出了非常好的識別效果。但是在人體動作識別領域中仍然存在一些問題沒有得到有效解決：①如何持續(xù)地從連續(xù)的動作數(shù)據(jù)流中識別出感興趣的動作；②如何解決動作的類內(nèi)變化性；③如何提高人體動作識別方法的實時性。針對人體動作識別領域中存在的問題，本文提出了一種基于Kinect的在線人體動作識別方法。主要分為以下三個內(nèi)容：①我們采用了基于Lie群的人體骨架表示法去表示每一時刻的人體骨架，與其他骨架表示法相比，基于Lie群的方法可以更好地刻畫動作的動態(tài)特征；②提出了一種通過構建概率模型字典提取概率特征的方法。我們將一個動作看成是人體
4、不同部位的運動的融合，而每個部位的運動又具有多種風格。于是，我們可以利用少量的部位運動風格交叉組合去表示大量的動作風格?；谶@個觀點，我們分別對所有動作實例間位于同一維的單維時間序列進行聚類，其中動作實例中的每一維時間序列表示人體某一個部位的運動。在聚類完畢后用馬爾可夫鏈對每一類進行建模，獲取代表這一類時間序列變化規(guī)律的概率模型，同時也表示了一個部位的一種運動風格。所有類別的概率模型組成概率模型字典。概率模型字典存儲了人體各個部位的多種風格的運動。然后我們將連續(xù)的動作數(shù)據(jù)流的每一幀及其之前若干幀都看成是一個動作實例，計算這個動作實
5、例中的每一維運動時間序列屬于概率字典模型中對應維的概率模型的概率值，所有的概率值組成這一幀數(shù)據(jù)的概率特征向量。③將概率特征提取方法和聯(lián)合稀疏編碼算法結合，提出了一種在線人體動作識別方法。聯(lián)合稀疏編碼是線性的多類分類算法，能有效實現(xiàn)對連續(xù)動作數(shù)據(jù)的在線識別。本文提出的方法在MSRC-12動作數(shù)據(jù)集上進行了驗證，結果顯示了本文的方法相對于目前在MSRC-12數(shù)據(jù)集上表現(xiàn)最好的算法有大約3%的提高，具備了很高的應用價值。關鍵詞：動作識別，概率模型字典，Kinect，深度圖像，特殊歐氏群，概率特征I重慶大學碩士學位論文英文摘要ABSTRA
6、CTTheemergenceofthedepthcamera,hasgreatlypromotedthedevelopmentofhumanactionrecognition.Thedepthimagecapturedbydepthcameracanprovidethedepthinformationofthetarget,whichcanmaketheresearchershighlyefficientlyandreliablyextractthehumanskeletondata.Becauseskeletondatacand
7、escribethedynamiccharacteristicsoftheaction,therehavebeenmanymethodsofhumanmotionrecognitionbasedonskeletaldatainrecentyears,whichshowsaverygoodrecognitionresults.Butinthefieldofhumanactionrecognitionstillexistsomeproblemshavenotbeeneffectivelyaddressed:①howtocontinuo
8、uslyrecognizeactionfromthecontinuousactionstreams;②howtosolvetheintra-classvariabilityofaction;③howtoimprovethereal-timeofhu
