| 基于 SVM 和 HMM 二级模型的行为识别方案 |
| |
| 引用本文： | 苏竑宇,陈启安,吴海涛.基于 SVM 和 HMM 二级模型的行为识别方案[J].计算机与现代化,2015,0(5):1. |
| |
| 作者姓名： | 苏竑宇 陈启安 吴海涛 |
| |
| 作者单位： | 1. 厦门大学计算机科学系,福建 厦门,361005
2. 厦门大学智能科学系,福建 厦门,361005 |
| |
| 摘 要： | 人体行为识别对于个人辅助机器人和智能家居等一些智能应用，是非常必要的功能，本文运用SVM＆HMM混合分类模型进行日常生活环境的人体行为识别。首先，使用微软的Kinect（一种RGBD感应器）作为输入感应器，提取融合特征集，包括运动特征、身体结构特征、极坐标特征。其次，提出SVM＆HMM模型， SVM＆HMM二级模型发挥了SVM和HMM各自的优点，既结合了SVM适于反映样本间差异性特点，又发挥了HMM适合处理连续行为的特点。该二级模型克服了单一SVM模型、传统HMM模型和在人体复杂和相似行为建模过程中精度、鲁棒性和计算效率上的不足。通过大量实验，结果表明SVM＆HMM二级模型对室内日常行为的识别具有较高的识别率，且具有较好的区分性和鲁棒性。
|
| 关 键 词： | Kinect 行为识别 融合特征 SVM HMM |
Human Activ ity Recognition Based on Combined SVM & HMM |
| |
| SU Hong-yu,CHEN Qi-an,WU Hai-tao.Human Activ ity Recognition Based on Combined SVM & HMM[J].Computer and Modernization,2015,0(5):1. |
| |
| Authors: | SU Hong-yu CHEN Qi-an WU Hai-tao |
| |
| Abstract: | |
| |
| Keywords: | Kinect activity recognition fusion features SVM HMM |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
|
