基于混合特征的人体动作识别改进算法

运动特征的选择直接影响人体动作识别方法的识别效果.单一特征往往受到人体外观、环境、摄像机设置等因素的影响不同,其适用范围不同,识别效果也是有限的.在研究人体动作的表征与识别的基础上,充分考虑不同特征的优缺点,提出一种结合全局的剪影特征和局部的光流特征的混合特征,并用于人体动作识别.实验结果表明,该算法得到了理想的识别结果,对于Weizmann数据库中的动作可以达到100％的正确识别率.     

基于Transformer的人体动作识别

为实现人体动作的精准识别,判断人体行为,提出基于Transformer的人体动作识别方法。以注意力机制神经网络为基础,引入Transformer框架,构建人体动作识别网络模型;该模型利用注意力机制提取视频中关键信息特征,同时依据Transformer模块提取动作帧的时间特征,将提取的两种特征融合后输入分类器中,经由模型的分类器完成动作分类识别。测试结果表明,该方法具有较好的应用效果,能够精准识别视频图像中的人体动作情况,判断人体行为。     

基于视频的人体动作识别算法综述

以基于视频的人体动作识别为核心,首先对传统RGB动作识别领域的算法进行了全面回顾,包括传统算法和基于深度学习的算法,基于RGB视频的动作识别易受背景光照的影响识别精度不高,但有丰富的颜色外观信息;然后对RGB-D动作识别领域的算法进行分析总结,主要分为深度序列、骨骼和多特征融合三个方面,RGB-D视频具有多个模态可以为动作识别提供更多的信息,可以弥补基于RGB视频的不足但也带来了新的挑战;最后对常用数据集和未来可能的发展方向进行了展望。     

一种基于分层的人类动作识别和定位算法研究

人类动作识别在视频自动分析、视频检索等领域获得广泛应用,是目前的研究热点。然而现有的动作识别方法重点关注视频的非静态部分而忽略大部分静态部分,从而影响了动作识别和定位的效果。本文提出一种新的分层空间-时间分段表示法,以分层方式实现部位和整个身体的多分辨率表示,可用于运动识别和定位。该算法分为3个步骤。第一步,首先对每个视频帧进行分层分段,以得到一组分段树,每颗树是身体分段树的候选。第二步,利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪。第三步,在时域上对剩余分段层的每个分段进行前向和后向跟踪。我们以难度较大的UCF-Sports和HighFive数据集为实验对象,对本文方法进行性能评估,实验结果表明,本文方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

基于场景理解的人体动作识别模型

为了满足在复杂环境下对人体动作识别的需求,提出了一种基于场景理解的双流网络识别结构。将场景信息作为辅助信息加入了人体动作识别网络结构中,改善识别网络的识别准确率。对场景识别网络与人体动作识别网络不同的融合方式进行研究,确定了网络最佳识别结构。通过分析不同参数对识别准确率的影响,最终确定了双流网络的所有结构参数,设计并训练完成了双流网络结构。通过在UCF50,UCF101等公开数据集上实验,分别取得了95%,93%的准确率,高于典型的识别网络结果。对其他一些典型识别网络加入同样场景信息进行了研究,其实验结果证明了此方法可以有效改善识别准确率。     

基于骨骼向量夹角的人体动作识别算法

人体动作识别是计算机视觉领域的研究热点,特别是在智能家居中,由于动作特征提取受到环境等各方面的干扰以及动作本身的多样性,使其识别难度更大.利用KINECT摄像头进行特征提取;对提取到的特征数据进行动作描述及优化;采用神经网络对特征数据进行训练,方法取得了较好的性能.对比性实验结果验证了方法的有效性.     

一种改进的人类动作识别和定位算法研究

针对现有人类动作识别和定位方法的不足,提出一种改进的人类动作识别和定位算法;该算法首先对每个视频帧进行分层分段,得到一组分段树,每颗树是身体分段树的候选;接着利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪;最后在时域上对剩余分段层的每个分段进行前向和后向跟踪;基于难度较大的UCF-Sports和HighFive数据集对本文方法进行性能评估,实验结果表明,文章方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

基于混合式协同训练的人体动作识别算法研究

人体动作识别是计算机视觉研究中备受关注的课题。现有的动作识别方法大多属于监督学习,需要大量的有标记数据来训练识别模型。然而,在现实应用中有标记的数据成本较高,而无标记数据很容易获取。提出一种基于混合式协同训练的新型人体动作识别算法——Co-KNN-SVM,该算法利用动作识别领域不同类型的方法来构建基分类器,并进行迭代的相互训练以提高泛化性能,可以降低标注成本,并实现不同识别方法的优势互补。此外,还改进了协同训练中对伪标记数据的选择方法和迭代训练策略,有效控制了伪标记数据的噪声影响,提高了协同训练的识别效果。实验结果表明,所提算法可以有效地识别视频中的人体动作。     

基于人体关节点的多人吸烟动作识别算法

吸烟检测已成为公共场所禁烟的重要措施,基于视频图像的吸烟动作识别已广泛用于吸烟检测中。使用深度学习的方法进行图像处理,需要大量数据集训练模型。现有的吸烟动作识别方法的准确率和实时性不够理想,且多只针对一个人进行动作识别。为解决这些问题,提出了一种通过检测周期性动作来识别多人吸烟动作的方法。在进行了大量的实验后发现吸烟行为是有节奏和周期性的,对此具体分析了吸烟行为的周期性并制定了吸烟行为规范;利用人体关节点信息,关注关节点的运动轨迹,检测运动轨迹是否符合周期性规律从而实现吸烟动作识别;同时跟踪多人关节点的信息,以实现多个人实时吸烟行为的识别。实验结果表明,该方法可以达到91%的准确率,在各种情况下都可以保持较高准确率和鲁棒性。     

一种基于时空兴趣点的人体动作识别方法

人体动作识别是计算机视觉中一个具有挑战性的课题,同时也具有广阔的应用前景。本文采用基于时空兴趣点的人体运动表示方法,实现了时空兴趣点的检测算法和人体动作识别,解决了检测过程中检测尺度的选择问题,取得了较好的识别结果。与经典的时空兴趣点检测方法相比,这种方法对比较简单的动作更加有效。     

基于三轴加速度传感器的人体运动识别

提出并实现一种基于移动设备的用户运动行为的检测算法.在用户随身携带移动设备的情况下,算法就可以根据移动设备中的三轴加速度数据,判别出来用户的行为状态.算法综合分析了加速度传感器数据的时域和频域特性,并通过方向无关性和步幅处理,进一步提高算法的适应性.算法对所抽取21个运动特征值进行了主成分分析,找出了11个主要特征成分,然后使用这些主成分对运行数据进行识别分类.提高了算法准确度,并降低了算法的时间和空间复杂度.在对分类算法综合分析和比较后,J48判决树算法被采纳.算法还根据人类运动的习惯和特性,对特性分类并计算分类的结果,再采用隐式Markov模型进行处理,进一步提高识别的准确度.对多人、多状态数据的实验表明,这种综合方法具有较高的识别准确度和适应性,在对多人多次实际运动数据的处理中,正确识别率可以达到96.13%.     

基于静电信号的人体动作识别

提出一种通过检测人体行为动作产生的静电信号进行人体动作识别的方法.在分析人体荷电特性的基础上,设计静电信号检测系统采集被测人员的5种典型动作（行走、踏步、坐下、拿取物品、挥手）的静电感应信号.对采集的5种动作的静电信号进行特征参量提取和显著性差异分析,优化用于分类的特征参数.基于Weka平台使用3种分类算法（支持向量机、决策树C4.5和随机森林）分别对采集到的250组样本数据通过10折交叉验证进行了分类识别,结果显示随机森林算法的识别效果最好,正确率可达99.6%.研究表明本文提出的单人环境下基于人体静电信号的动作分类识别方法能够有效地对典型人体动作进行识别.     

基于雷达传感器的连续人体动作识别方法

针对基于雷达传感器的离散人体动作识别方法难以得到实际应用的问题,文章提出了一种基于雷达传感器的连续人体动作识别方法.首先对连续动作的雷达回波信号进行预处理得到距离时间域图像.然后通过时频分析得到微多普勒时频谱图像.最后分别采用支持向量机与长短期记忆网络作为分类器进行动作识别.实验结果表明,采用长短期记忆网络作为分类器对...     

基于运动能量模型的人体运动检索算法

提出一种新的借助于运动中产生的能量对运动进行描述的模型。引入运动协调性的概念,利用支持向量机和索引序列对运动进行粗分类。采用基于Keogh下界的线性索引算法精确地度量输入运动和候选动作之间的相似性。实验结果表明,该检索方法具有较好的速度和准确性。     

Recognition of Human Motion From Qualitative Normalised Templates

This paper proposes a Qualitative Normalised Templates (QNTs) framework for solving the human motion classification problem. In contrast to other human motion classification methods which usually include a human model, prior knowledge on human motion and a matching algorithm, we replace the matching algorithm (e.g. template matching) with the proposed QNTs. The human motion is modelled by the time-varying joint angles and link lengths of an articulated human model. The ability to manage the trade-offs between model complexity and computational cost plays a crucial role in the performance of human motion classification. The QNTs is developed to categorise complex human motion into sets of fuzzy qualitative angles and positions in quantity space. Classification of the human motion is done by comparing the QNTs to the parameters learned from numerical motion tracking. Experimental results have demonstrated the effectiveness of our proposed method when classifying simple human motions, e.g. running and walking.     

基于视觉的人体运动分析综述

基于视觉的人运动分析越来越受到计算机视觉领域研究者的广泛关注,它成为图像分析、心理学、人工智能等领域的研究热点,在智能视频监控、虚拟现实、用户接口、运动分析等方面有着广泛的应用.从运动目标检测、运动目标分类、人体运动跟踪、人体行为识别与描述四个环节综述了人体运动分析的研究现状,分析了存在的一些问题和未来的研究发展方向.     

一种基于运动的线结构光视觉测量系统标定方法

针对船体分段数字化测量提出了一种基于直角坐标机器人的线结构光视觉测量系统.通过控制机器人的运动,安装在其末端的线结构光视觉传感器对固定的平面靶标成像,实现了摄像机坐标系与机器人坐标系位姿关系标定;同时利用交比不变性原理获取平面靶标上的特征点坐标,完成了结构光平面参数的标定.该方法易于实现,通过对已知的标准工件进行测量实...     

基于检索的人体运动识别和模拟

运动识别和模拟是人体运动分析中重要的研究内容，实现了以检索为基础的实验性的运动分析系统．小波矩具有平移、旋转和缩放不变性，能够提取局部多层次特征，被用来作为特征描述运动序列以及动作，根据相似性实现运动识别，利用动态时间变形（DTW）实现序列的动作匹配，在poser建模、依据正多面体分割的金字塔模型得到多视点投影视频的数据库中进行识别和匹配，并以三维模型的形式显示出来．实验结果可以模拟人体运动以及为进一步分析提供初始分析数据．