人體動(dòng)作識(shí)別在許多應(yīng)用領(lǐng)域具有重要意義,例如智能安防、機(jī)器監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)、無(wú)人駕駛等等。隨著人工智能和模式識(shí)別技術(shù)的不斷發(fā)展,人體動(dòng)作識(shí)別的巨大產(chǎn)業(yè)前景使其成為了近些年來(lái)的研究熱點(diǎn)。隨之而來(lái)的硬件設(shè)備革新,為人體動(dòng)作識(shí)別領(lǐng)域提供了更多的可能性,平面信息升級(jí)成空間信息,越來(lái)越多的研究開始往基于深度圖像序列的方向上投入,而在深度圖像序列中,以3D骨骼數(shù)據(jù)的使用最為廣泛。同時(shí),隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展,傳統(tǒng)手工特征提取的方法逐漸被取代。將深度學(xué)習(xí)與3D骨骼數(shù)據(jù)兩者結(jié)合進(jìn)行的動(dòng)作識(shí)別方法在實(shí)驗(yàn)結(jié)果上取得了不錯(cuò)的性能。部分研究者的做法是使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)單獨(dú)幀中的骨骼數(shù)據(jù)進(jìn)行特征提取,判斷動(dòng)作類別。這種方法的局限性在于,只關(guān)注單一時(shí)刻的骨骼姿態(tài),嚴(yán)重忽略了時(shí)間維度上的特征對(duì)動(dòng)作識(shí)別性能的影響,同時(shí)對(duì)骨骼本身空間結(jié)構(gòu)的特征提取有限,關(guān)節(jié)數(shù)據(jù)被當(dāng)作獨(dú)立的不相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練,丟失了人體結(jié)構(gòu)拓?fù)潢P(guān)系對(duì)識(shí)別結(jié)果的影響,并且極易受噪聲關(guān)節(jié)的干擾。針對(duì)以上問(wèn)題,本文旨在提出一種針對(duì)3D骨骼數(shù)據(jù)的能夠提取優(yōu)質(zhì)時(shí)間和空間特征的網(wǎng)絡(luò)模型,來(lái)提高動(dòng)作識(shí)別的準(zhǔn)確率。本文的主要研究工作如下:1.在空間特征提取... 

【文章來(lái)源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１?２０１０年？２０１９年動(dòng)作識(shí)別領(lǐng)域新增文獻(xiàn)數(shù)量??

圖１．３動(dòng)作識(shí)別在視頻監(jiān)控和直播中的應(yīng)用??

圖１．２Ｋｉｎｅｃｔ體感設(shè)備２．０??

【參考文獻(xiàn)】：
期刊論文
[1]基于骨骼向量夾角的人體動(dòng)作識(shí)別算法[J]. 顧軍華,李碩,劉洪普,馬鶴蕓.  傳感器與微系統(tǒng). 2018(02)
[2]基于骨骼特征和手部關(guān)聯(lián)物體特征的人的姿態(tài)識(shí)別[J]. 劉從文,費(fèi)樹岷.  工業(yè)控制計(jì)算機(jī). 2016(04)
[3]基于時(shí)空域Adaboost算法的人體動(dòng)作識(shí)別研究[J]. 郭丹丹,朱希安.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[4]骨架關(guān)節(jié)點(diǎn)跟蹤的人體行為識(shí)別方法[J]. 陳曦,孟慶虎.  河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(02)
[5]基于多支點(diǎn)骨骼模型的實(shí)時(shí)行為識(shí)別方法[J]. 王軍,許永明,王東輝,郭文波.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(S1)
[6]等張收縮肱二頭肌特性的多信號(hào)結(jié)合研究[J]. 胡淑嫻,施俊,郭靜宜,鄭永平.  生物醫(yī)學(xué)工程學(xué)進(jìn)展. 2009(04)

碩士論文
[1]基于特征融合的3D骨架動(dòng)作識(shí)別算法研究[D]. 梁淇.華東師范大學(xué) 2018
[2]基于骨骼和深度模型的一類人體行為識(shí)別方法的研究[D]. 李志超.東南大學(xué) 2015



本文編號(hào)：3225845