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

1811 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

最近几个月来，一直在研究人体动作识别和手势识别的课题。对于人体动作和手势的识别，本质上就是粗粒度和细粒度的识别。人体动作识别的应用主要应用于公共场所、医院、安全等方面；手势识别的应用大部分应用于智能家居的控制、感知方面的应用，教育学习、非能力限制的人员的表达等。最十几年来，这个课题的研究一直比较认们，并且取得了不错的研究成果。本文首先给出一个概括性的总结，即目前一直使用的方法以及最

本文介绍了两种人体动作识别方法：基于深度传感器与惯性传感器融合的方法，以及利用斜率模式谱（SPS）从运动历史图像（MHI）中提取特征的方法。传感器融合方法通过双三次插值、归一化和噪声去除优化特征，并采用神经网络结合对数意见池进行概率融合，显著提升了识别准确率；SPS方法则从MHI中提取全局运动特征，具有计算高效、抗遮挡的优势。实验表明，两种方法在不同数据集上均表现出良好性能，适用于智能家居、医疗康复和智能安防等场景，未来可进一步优化多传感器融合策略与特征提取技术以提升实时性与鲁棒性。

我建议您在进行基于深度学习的人体动作识别方面的开发时，参考相关的教程、论文和开源项目，以获得更详细的指导和示例代码。输入新的人体动作数据，经过预处理、特征提取和序列建模后，利用训练好的分类器进行动作分类，并输出对应的动作类别。模型训练和优化：利用大量标记好的人体动作数据对模型进行训练，并通过反向传播算法和优化器来调整模型的权重和参数，使其在训练数据上具有较高的准确性。身体康复：可以用于监测和评估患者在康复过程中的运动恢复情况，为医生和康复师提供客观的数据和指导。首先，您需要安装Keras和其他必要的库。

文章目录1 前言2 问题定义3 DySAT思路3.1 Skeleton Graph Construction3.2 Spatial Graph Convolutional Neural Network4 方法的优势与局限性4.1 优势4.2 局限性论文地址：https://arxiv.org/pdf/1801.07455.pdf 源码：st-gcn 来源：AAAI, 2018 关键词：Action Recogonition, GCN 1 前言该论文针对人体动作识别问题提出了解决方案。以Skelet

本文介绍如何利用姿态估计、时序建模与动作分类技术，实现非接触式人体动作识别。通过OpenPose或MediaPipe提取关键点，结合LSTM、GCN或Transformer进行序列建模，可应用于跌倒检测、行为分析等场景，具备高扩展性与隐私保护优势。

图形处理/算法

19,464

社区成员

50,678

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