基于Kinect的日常行為識(shí)別技術(shù)研究.pdf

1、人體行為識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域一個(gè)重要的研究方向，應(yīng)用的范圍較為廣泛。在未來(lái)的智能監(jiān)控和人機(jī)交互中，為了感知人的行為意圖，機(jī)器將主要利用視覺(jué)系統(tǒng)采集的實(shí)時(shí)視頻序列，檢測(cè)與提取其中的人體區(qū)域，之后就是對(duì)人體行為進(jìn)行分類或理解。本文就是在這種背景下，對(duì)人體行為識(shí)別技術(shù)做了一個(gè)較為深入的研究和探討。
　　本文對(duì)人體行為識(shí)別的主要研究?jī)?nèi)容包括:行為特征的描述、混合模型SVM&HMM的建立以及連續(xù)行為動(dòng)作的分割算法的研究。由于普

2、通視覺(jué)設(shè)配對(duì)于光線變化較為敏感，因此獲取的人體行為特征難以準(zhǔn)確的表達(dá)行為，因此我們使用Kinect傳感器來(lái)獲取人體的骨骼關(guān)節(jié)點(diǎn)，來(lái)描述人體行為特征。根據(jù)日常行為的特點(diǎn)，我們提取了三種能夠很好表達(dá)日常行為的特征，包括人體骨骼關(guān)節(jié)點(diǎn)的極坐標(biāo)特征、運(yùn)動(dòng)特征以及結(jié)構(gòu)特征，同時(shí)將這三種特征進(jìn)行一定的融合，得到融合特征。然后，我們建立自己的識(shí)別模型，提出了一種混合模型SVM&HMM，該種模型不僅保證了不同行為類別之間的差異性，同時(shí)也保留同一行為類別

3、相鄰幀之間的相關(guān)性，這種特性保證了識(shí)別模型更好的識(shí)別效果。為了驗(yàn)證SVM&HMM混合模型的有效性，我們使用美國(guó)康奈爾大學(xué)的日常行為識(shí)別數(shù)據(jù)集，對(duì)行為識(shí)別混合模型SVM&HMM進(jìn)行初步驗(yàn)證，結(jié)果證明了，我們所建立的模型具有一定的有效性和實(shí)用性，取得了較好的分類結(jié)果。
　　在行為識(shí)別混合模型的基礎(chǔ)上，我們對(duì)人體多個(gè)連續(xù)序列行為進(jìn)行分割與識(shí)別。首先，本文中采用的是基于本征維數(shù)的置信度二次判定的分割算法，通過(guò)尋找連續(xù)行為動(dòng)作的相鄰行為片段