人体动作识别特征提取与分类

tangshasha3 2016-03-10 08:33:57

正在做基于视频的人体识别方向，在进行特征提取时是要提取每一帧的特征码？用于分类的特征是每一帧的特征码？有做动作识别的大神希望能知道一下，主要是编程实现过程不太理解

...全文

1724 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

gloomyfish 2016-06-28

打赏
举报

回复

觉得应该看看opencv

shiter 2016-06-25

打赏
举报

回复

对你可以找个例子的链接发上来看看，我觉得应该是只用提取关键帧吧

赵4老师 2016-03-11

打赏
举报

回复

先调通相关例子代码

针对人体动作识别中时空特征提取问题，提出一种基于层次时间记忆（HTM）架构的深度学习模型，用来提取图像帧的时空特征。将图像帧构建成树型节点层次结构，在每一层中，通过欧氏距离分组来提取图像样本的空间特征，利用时间邻接矩阵提取样本的时间特征，利用置信传播方法将各层局部特征组进行汇总归类，得到整体特征组，作为该图像帧的时空特征。此外，在节点操作中引入张量代数，从而避免出现高维特征，将特征送入支持向量机（SVM）分类器进行识别分类。在MSR Gesture 3D和KTH动作数据库上的实验结果表明，提出的方法能够有效提取出高分类性能的时空特征，分类准确率高于其他几种较新的方法。

人体动作识别中特征提取研究综述

为了提高Android平台下实时人体行为识别方法的性能，提出对动作变化和过渡动作进行检测和分割的方法。该方法采用加速度在重力方向上的投影和水平方向上投影的幅值来表征行为活动，通过趋势判断行为变化，结合趋势突变点检测和DTW算法进行过渡动作分割。提取加速度时域特征，使用随机森林对九种行为进行分类识别，平均识别率达到97.26%，其中过渡动作平均识别率达到95.05%。

针对在Kinect平台利用人体动作进行人机交互的时效性问题，提出了一种基于时间序列相似性的快速人体动作识别方法。通过Kinect获取人体全身20个关节点，提取关键点的空间三维坐标，转化成特征向量，该特征向量模型能很好地对全身动作进行表示；在动作识别方面提出了一种快速动态时间弯曲距离（Fast Dynamic Time Warping，F-DTW）算法，解决了因动作速度不同导致的两时间序列在时间轴上不一致的问题，通过引入下界函数和提前终止技术对算法进行加速优化，解决动作识别的时延问题，从而能快速地控制机器人；定义20种动作进行识别，平均识别速度较传统算法大大提高，验证了方法的有效性，满足与机器人交互的要求。

为解决传统的使用视频彩色图像序列的智能监控容易受光照、颜色等因素影响的问题,提出结合Kinect深度图像和支持向量机的人体动作识别方法.利用Kinect在监控区域获得实时深度图像,并进行背景擦除,滤波处理和提取Haar特征.通过使用支持向量机的分类算法生成分类器,并对一组特定的静态动作识别结果进行分析.研究结果表明:使用深度图像对于静态动作有较好的识别率,并且与传统的基于彩色图像的智能监控相比,该方法不仅对于光照、颜色等因素不敏感,而且在识别的准确率和效率上均有提升.

图形处理/算法

19,468

社区成员

50,698

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章