人體動作識別在計算機視覺領域一直都是一個重要且具有挑戰(zhàn)性的課題。因為其在安全監(jiān)控、虛擬現(xiàn)實、智能人機交互等很多領域廣泛的應用,正受到研究者和工業(yè)界越來越多的重視。人體動作識別傳統(tǒng)的模型通常是基于像素值的視頻數(shù)據(jù),容易受到背景、光照等條件的影響,存在識別精度不高、實際應用難度大等問題。而近期出現(xiàn)的深度商用傳感器為這個課題開啟了新的機遇。本文基于動作序列的深度信息,利用深度傳感器采集到的人體主要關節(jié)的三維位置信息進行動作識別。在本文中,我們提出了一整套人體動作識別的模型框架。整個框架分為兩大部分:基于深度信息的特征提取和分類器模型的構(gòu)造。在特征提取部分,盡管傳感器采集到的數(shù)據(jù)是人體關節(jié)三維坐標,相比像素值已經(jīng)是一種更高層次的且具有顯著物理意義的特征,但是這種數(shù)據(jù)僅僅包含了人體姿態(tài)特征。而人體動作序列作為一種描述人體運動的時間序列,提取的特征應該能夠反映人體的運動信息和時域上的變化信息。所以,在人體運動特征提取上,我們同時利用了人體姿態(tài)、運動速度、加速度信息構(gòu)建了能夠更好反映關節(jié)空間運動特征的描述子。在另一方面,我們使用了圖像空間特征提取經(jīng)典模型空間域金字塔匹配(Spatial Pyramid Matching)的變體——時域金字塔匹配模型來構(gòu)建時域特征,從不同尺度更好地描述了運動序列的時域變化。分類器模型構(gòu)造部分包含了本文最重要的兩點突破點和創(chuàng)新點:基于多例學習的關鍵幀提取,以及將時域特征作為隱狀態(tài)構(gòu)造出的結(jié)構(gòu)化支持向量機(Struct SVM)。在研究中我們觀察到,一類動作和另一類動作會共享很多類似的運動狀態(tài),將一類動作序列中的所有幀都標記為該動作類別進行訓練是不合理的;同時我們在識別一類動作時,可以僅通過其中的幾幀關鍵動作識別出動作類別,由此可以說明提取關鍵幀對于動作識別的必要性和重要性。我們提出了一種基于多例學習的迭代支持向量機的算法,從動作序列中提取出了關鍵幀用于模型訓練。而在另一方面,對每一幀進行時域信息提取時,需要選擇一定長度的時間窗口,在其他模型中,通常使用交叉驗證的方式選定一個最優(yōu)的常數(shù)。相似地,在時間窗口內(nèi)提取時域特征時,傳統(tǒng)的時域金字塔模型使用固定的等分的方式分割時間域。但我們認為這些參數(shù)反映的是當前幀的運動狀態(tài),不能對所有幀都選用一個常數(shù)來處理,而在本文中,我們將這幾個參數(shù)作為隱變量,使用隱元結(jié)構(gòu)化支持向量機(Latent Struct SVM),在訓練分類超平面的同時,對每一幀都學習該幀對應的最優(yōu)窗口長度和時域分割點,建立了能更好表達動作信息、更有判別力的特征。最后在實驗部分,分別通過離線和在線實驗較為全面地驗證了我們提出的模型的正確性和有效性。
【學位單位】：上海交通大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 胡雅琴;;動作識別技術及其發(fā)展[J];電視技術;2013年S2期

2 倪世宏,史忠科,謝川,王彥鴻;軍用戰(zhàn)機機動飛行動作識別知識庫的建立[J];計算機仿真;2005年04期

3 程祥;;人體動作識別的研究[J];電腦知識與技術;2006年20期

4 黃飛躍;徐光yP;;視角無關的動作識別[J];軟件學報;2008年07期

5 徐光yP;曹媛媛;;動作識別與行為理解綜述[J];中國圖象圖形學報;2009年02期

6 黃麗鴻;高智勇;劉海華;;基于脈沖神經(jīng)網(wǎng)絡的人體動作識別[J];現(xiàn)代科學儀器;2012年02期

7 周艷青;王磊;;基于視覺的人體動作識別綜述[J];山東輕工業(yè)學院學報(自然科學版);2012年01期

8 曹琨;;基于檢索表的實時動作識別技術研究[J];中外企業(yè)家;2014年05期

9 劉博;安建成;;基于關鍵姿勢的人體動作識別[J];電視技術;2014年05期

10 王燕;張紹武;凌志剛;潘泉;;基于圖嵌入線性拓展方法的人體動作識別研究[J];計算機仿真;2008年10期

相關會議論文 前7條

1 袁飛;程韜波;周松斌;肖先文;;基于加速度特征的可拓動作識別方法[A];廣州市儀器儀表學會2009年學術年會論文集[C];2010年

2 黃飛躍;徐光yP;;自然的人體動作識別[A];第三屆和諧人機環(huán)境聯(lián)合學術會議（HHME2007）論文集[C];2007年

3 葉喜勇;陶霖密;王國建;邸慧軍;;視角無關的人體軀干動作識別[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

4 黃艷歡;葉少珍;;連續(xù)動作分割綜述[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

5 董力賡;陶霖密;徐光yP;;頭部姿態(tài)和動作的識別與理解[A];第三屆和諧人機環(huán)境聯(lián)合學術會議（HHME2007）論文集[C];2007年

6 朱巖;趙旭;劉允才;;基于稀疏編碼和局部時空特征的人體動作識別[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

7 席旭剛;金燕;朱海港;高云園;;基于小波包熵和支持向量機的手部肌電信號動作識別[A];2013年中國智能自動化學術會議論文集（第五分冊）[C];2013年

相關重要報紙文章 前2條

1 本報記者 陳丹;人與機器的“對話”[N];科技日報;2010年

2 ;凌空敲鍵盤？無線計算機手套問世[N];中國計算機報;2004年

相關博士學位論文 前10條

1 諶先敢;現(xiàn)實環(huán)境下的人體動作識別[D];武漢大學;2012年

2 陳淵博;視頻序列中的人體動作識別[D];北京郵電大學;2015年

3 劉翠微;視頻中人的動作分析與理解[D];北京理工大學;2015年

4 任海兵;非特定人自然的人體動作識別[D];清華大學;2003年

5 成娟;基于表面肌電和加速度信號融合的動作識別和人體行為分析研究[D];中國科學技術大學;2013年

6 鄧小宇;面向智能視頻監(jiān)控的前景提取和動作識別技術研究[D];浙江大學;2012年

7 鄧利群;三維人體動作識別及其在交互舞蹈系統(tǒng)上的應用[D];中國科學技術大學;2012年

8 曹雛清;面向多方式人際交互的肢體動作識別研究[D];哈爾濱工業(yè)大學;2012年

9 吳心筱;圖像序列中人的姿態(tài)估計與動作識別[D];北京理工大學;2010年

10 蔡美玲;三維人體運動分析與動作識別方法[D];中南大學;2013年

相關碩士學位論文 前10條

1 張思亮;體感交互系統(tǒng)的人體動作識別研究[D];華南理工大學;2015年

2 應銳;基于關鍵幀及原語的人體動作識別研究[D];復旦大學;2014年

3 陳凌琛;基于Kinect的動作識別研究及在教學中的應用[D];昆明理工大學;2015年

4 張孫培;基于關節(jié)數(shù)據(jù)和極限學習機的人體動作識別[D];南京理工大學;2015年

5 邱春明;基于運動幅度變化率的視頻人體動作識別[D];河北大學;2015年

6 康欽謀;視頻人體動作識別算法研究[D];電子科技大學;2015年

7 劉海軍;基于時空流形學習的人體動作識別[D];電子科技大學;2014年

8 梁燕;交互應用中的實時動作識別[D];北京理工大學;2015年

9 冷晶晶;基于光編碼技術的人員入侵智能報警系統(tǒng)[D];西安石油大學;2015年

10 馬葉涵;基于Kinect的辦公健康分析系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

本文編號：2813752