关键帧提取在人体动作识别率中起着重要的作用。本节根据上一节提出的基于空间曲度概念进行动作序列关键帧提取。，N}，其中，Lk表示关键帧组成动作序列的长度。关键帧提取数目的多少完全依赖阈值的设定，即阈值将是权衡动作识别准确率和运算复杂性之间的关键因素。⑦设定阈值τ，根据式进行关键轨迹点选取。......
2023-10-28
人体动作识别研究:获取三维骨架关节点数据
【摘要】：Kinect 传感器使用人体骨骼跟踪技术可实时地捕获身体各个部分的空间位置坐标信息并进行存储。该设备融合多感知技术，可同时捕获RGB 视频图像和深度映射图像，还能记录被测物体与Kinect 传感器之间的距离。获取人体骨架三维关节点数据主要有3 个步骤：人体轮廓分割、人体部位识别和骨架关节点定位。Kinect 传感器采集的深度图像以及实时捕获的人体骨架20 个关节点的示意图如图2.1 所示。
Kinect 传感器使用人体骨骼跟踪技术可实时地捕获身体各个部分的空间位置坐标信息并进行存储。
Kinect 传感器主要由RGB 摄像机、红外摄像机和红外发射器构成。它是一种3D 体感摄像机。该设备融合多感知技术，可同时捕获RGB 视频图像和深度映射图像，还能记录被测物体与Kinect 传感器之间的距离。Kinect 传感器采用光编码技术采集深度数据，即发出红外光束，通过光学元件的散射，在物体上形成随机斑点，不同距离的散斑形成了形状各异的图案，红外接收器的CMOS 传感器接收和发射的散斑图案，经过数据处理后，解码获取深度图像。利用深度图像中每一像素点包含的三维深度信息，可方便地获取骨架20个关节点的空间坐标信息。
获取人体骨架三维关节点数据主要有3 个步骤：人体轮廓分割、人体部位识别和骨架关节点定位。
（1）人体轮廓分割
Kinect 传感器采用分割策略对背景进行分离。以运动检测技术为依据，结合人体结构特征，将完整的人体轮廓区域从深度图像背景中提取出来。在进行人体轮廓识别过程中，Kinect 传感器结合RGB 视频图像和深度图像信息，对深度不同的平面逐一进行分析，提取图像的边缘信息，从而得到深度图像中的人体轮廓。
（2）人体部位识别
首先对目标进行背景去除，采用跟踪技术追踪目标，对目标对象的像素逐个进行评估，判断其是否属于人体像素点；然后进行特征值的分类匹配，确定其属于人体的具体部位，如头部、躯干和四肢等；最后将所有部位拟合到人体骨骼模型。(www.chuimin.cn)
（3）骨架关节点定位
在识别出人体各个部位的基础上，首先将这些部位的相对位置数据放入一个已建立的虚拟骨骼模型中，得到一个包含20 个关节点的人体骨架图；然后根据每一个像素点的位置确定具体的骨架关节点位置；最后将确定的20 个关节点的空间位置信息进行存储。
Kinect 传感器采集的深度图像以及实时捕获的人体骨架20 个关节点的示意图如图2.1 所示。
图2.1 深度传感器Kinect 采集的深度数据类型
有关基于图像深度信息的人体动作识别研究的文章
- 详细阅读
-
基于图像深度信息的人体动作识别研究-最新成果详细阅读
由于人体动作的多样性和周边环境的复杂性，使人体动作识别充满了挑战。人体动作识别最初的研究都是基于RGB 视频图像序列，许多学者分别从静态特征、动态特征和时空特征3 个方面对该领域的工作进行了总结[1-4]。虽然基于RGB 视频图像序列的动作识别研究取得了较好的成果，但因其复杂背景、相机视角、光照变化以及遮挡等问题，人体动作识别研究仍然存在诸多挑战。......
2023-10-28
-
基于图像深度信息的人体动作识别研究现状详细阅读
下面简单介绍大部分可公开获取的RGB-D 动作行为数据集。目前有3类人体动作行为数据集，即单视角动作行为数据集、多视角动作行为数据集和双人/多人交互动作行为数据集。单视角动作行为数据集MSR-Action3D[30]数据集是微软研究院2010 年公开的RGB-D 单视角行为数据集。10 个受试者共320 个样本。UTKinect[31]行为数据集是得克萨斯大学2012 年公布的。UTD-MHAD[88]行为数据集是由得克萨斯大学2015 年公布的。8 个受试者每个动作执行4 次。......
2023-10-28
-
基于图像深度信息的人体动作识别研究结果详细阅读
深度传感器Kinect 采集的深度图像与实时采集的骨骼模型深度信息相比，更能直观和完整地描述动作形状特征以及动态特征。图1.2深度传感器Kinect 采集的图像类型基于深度图像提取的特征主要包括全局特征和局部特征。基于深度图像的局部特征提取方法是人体动作识别领域中的一个研究热点。除了上述常用的人体动作识别研究方法外，还有另外一种研究方法，即将图像序列转换为3D 点云序列数据进行动作识别。......
2023-10-28
-
基于图像深度信息的人体动作识别研究成果详细阅读
最初，人体动作识别主要是以RGB 视频图像为研究对象，经过多年的努力，人体动作识别技术已取得了较快的发展。本书使用Kinect 传感器采集人体动作的深度图像信息，探讨人体动作识别的相关理论和技术难点，着重研究如何消除可能对识别结果造成的干扰因素，提高人体动作识别的鲁棒性与普适性。......
2023-10-28
-
基于图像深度信息的人体动作识别实验成果详细阅读
表4.2同类识别算法对比的平均识别率图4.4在MSRActionPairs 数据集上平均识别率91.5%的混淆矩阵示意图实验结论：①基于人物交互相似动作识别，本章提出的基于深度图像的多特征融合算法能达到91.5%的平均识别率，充分验证基于交互动作整体结构的识别算法在相似“动作对”中具有较好的辨识性和有效性。......
2023-10-28
-
基于图像深度信息的人体动作识别研究:实验结果详细阅读
针对上述噪声，本章引入高斯核函数进行滤波处理。同时，高斯核函数还具有单瓣频谱特性，对噪声具有很好的抑制作用。同样，为了获取紧凑的运动特征和更好的传输不变性，实验使用Max-pooling 技术进行下采样，归一化处理，形成向量Sm。......
2023-10-28
-
张量形状描述子在人体动作识别中的应用详细阅读
形状描述子三维轨迹的形状描述子是对各个离散轨迹点之间位置关系的一种表示。曲率表示运动轨迹曲线的局部形状变换，提取多尺度下曲率的过零点值，即空间极值点，将其作为形状描述子，这种方法称为曲率尺度空间。下面对3 种常用的形状特征描述子作简要介绍。该距离集合就是中心距函数形状描述子。根据上述分析，将利用欧氏距离描述运动轨迹形状的描述子，称为完整形状描述子。该完整形状描述子具有旋转、尺度和平移不变性。......
2023-10-28
相关推荐