基于Kinect的日常行為識別技術研究.pdf

1、人體行為識別技術是計算機視覺與模式識別領域一個重要的研究方向，應用的范圍較為廣泛。在未來的智能監(jiān)控和人機交互中，為了感知人的行為意圖，機器將主要利用視覺系統(tǒng)采集的實時視頻序列，檢測與提取其中的人體區(qū)域，之后就是對人體行為進行分類或理解。本文就是在這種背景下，對人體行為識別技術做了一個較為深入的研究和探討。
　　本文對人體行為識別的主要研究內容包括:行為特征的描述、混合模型SVM&HMM的建立以及連續(xù)行為動作的分割算法的研究。由于普

2、通視覺設配對于光線變化較為敏感，因此獲取的人體行為特征難以準確的表達行為，因此我們使用Kinect傳感器來獲取人體的骨骼關節(jié)點，來描述人體行為特征。根據(jù)日常行為的特點，我們提取了三種能夠很好表達日常行為的特征，包括人體骨骼關節(jié)點的極坐標特征、運動特征以及結構特征，同時將這三種特征進行一定的融合，得到融合特征。然后，我們建立自己的識別模型，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，同時也保留同一行為類別

3、相鄰幀之間的相關性，這種特性保證了識別模型更好的識別效果。為了驗證SVM&HMM混合模型的有效性，我們使用美國康奈爾大學的日常行為識別數(shù)據(jù)集，對行為識別混合模型SVM&HMM進行初步驗證，結果證明了，我們所建立的模型具有一定的有效性和實用性，取得了較好的分類結果。
　　在行為識別混合模型的基礎上，我們對人體多個連續(xù)序列行為進行分割與識別。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，通過尋找連續(xù)行為動作的相鄰行為片段