基于關節(jié)模型的人體動作識別方法研究.pdf

1、人體動作識別在智能監(jiān)控、操作培訓以及人機交互等領域有重要研究意義和應用價值。動態(tài)時間規(guī)整算法的計算復雜度較低，且時間魯棒性較強，在人體動作識別領域得到廣泛研究與應用。但由于人體動作的復雜性、光照以及噪聲等影響，往往不能獲取理想的人體動作數(shù)據(jù)，使得準確提取人體動作特征難度較大，進而導致動作識別準確率不高。因此，需要對傳統(tǒng)的序列圖像動作特征提取方法進行改進，研究準確度高、穩(wěn)定性好且抗干擾性強的人體動作特征提取算法。
　　本文結合人體骨

2、架的特點，在傳統(tǒng)的長度約束骨架毛刺剪除中，引入斜率約束作為毛刺判定的第二條件，解決了原有方法在毛刺較長時，對毛刺和骨架主體進行誤判的問題，能夠準確區(qū)分毛刺和骨架主體。對基于鏈碼遍歷的軀干端點的定位方法進行改進，擴展其遍歷結構的搜索范圍，克服了原有遍歷結構在人體上肢運動幅度較大時，無法完成骨架遍歷的問題。結合人體各部位長度比例關系，對四肢拐點進行定位，解決了傳統(tǒng)最大三角形面積法在四肢曲率較小時，定位誤差大的問題。所提出的方法能準確提取序列

3、圖像中的動作特征。針對運動過程中關節(jié)點坐標不能準確表征動作特征的問題，采用加權歸一化向量的形式表達動作特征。
　　本文在VS2013和openCV環(huán)境下，對Weizmann數(shù)據(jù)庫進行實驗，實現(xiàn)了序列圖像中人體骨架特征提取和關節(jié)點定位;基于動態(tài)時間規(guī)整算法，計算序列圖像間加權歸一化特征的距離，實現(xiàn)人體動作識別。并和基于光流法等方法提取的動作特征進行對比實驗。結果表明，本文方法能夠準確提取人體動作特征，并對人體動作進行準確識別，識別結