基于多模態(tài)特征的人體運(yùn)動(dòng)識(shí)別系統(tǒng).pdf

1、不管是在現(xiàn)實(shí)生活中還是在科研領(lǐng)域內(nèi)，人體運(yùn)動(dòng)識(shí)別都起著至關(guān)重要的作用。其研究成果可以應(yīng)用于多個(gè)領(lǐng)域，如:安保系統(tǒng)、智能家居、體感交互等等。隨著技術(shù)的發(fā)展與革新，用于研究人體運(yùn)動(dòng)識(shí)別的體感設(shè)備層出不窮，如:kinect、psmove、wii等等。同時(shí)，科研工作者們也不遺余力地提出各種各樣的方法對(duì)采集到的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行處理與分析，然后對(duì)這些運(yùn)動(dòng)數(shù)據(jù)進(jìn)行識(shí)別。
　　本文對(duì)---基于骨架和深度特征的人體運(yùn)動(dòng)識(shí)別---進(jìn)行了研究，提出了一種基

2、于多模態(tài)的人體運(yùn)動(dòng)識(shí)別方法，并且同時(shí)實(shí)現(xiàn)了運(yùn)動(dòng)數(shù)據(jù)采集系統(tǒng)和人體運(yùn)動(dòng)識(shí)別系統(tǒng)。本文主要完成了以下面3個(gè)方面的工作:第一，本文提出了軀體特征融合分類器(Bodypart Feature Fusion Classifier);第二，本文提出了一種新的人體運(yùn)動(dòng)識(shí)別方法即基于多模態(tài)特征以及骨架數(shù)據(jù)置信度的人體運(yùn)動(dòng)識(shí)別方法。通常在有遮擋的情況下，人體骨架特征會(huì)嚴(yán)重失真，從而導(dǎo)致識(shí)別結(jié)果受到了嚴(yán)重的影響，此時(shí)如果我們使用深度信息作為補(bǔ)充，則將會(huì)大大

3、提高識(shí)別的準(zhǔn)確率;第三，本文實(shí)現(xiàn)了運(yùn)動(dòng)數(shù)據(jù)采集系統(tǒng)和人體運(yùn)動(dòng)識(shí)別系統(tǒng)。首先我們通過kinect獲得三維人體骨架信息和深度信息，然后我們分別對(duì)這些信息進(jìn)行處理，得到骨架特征和深度特征，最后使用支持向量機(jī)進(jìn)行分類從而得到識(shí)別結(jié)果。
　　本文提出的分類器會(huì)自動(dòng)計(jì)算并更新骨架特征和深度特征的權(quán)重，更加充分地利用了人體各模態(tài)的信息，提高了識(shí)別的準(zhǔn)確率。本文提出的方法考慮到了現(xiàn)有很多識(shí)別方法的不足，并且兼顧了不同模態(tài)數(shù)據(jù)之間的互補(bǔ)性，同時(shí)擁有