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
基于深度信息的人体动作识别：底层视觉特征提取
【摘要】：特征提取是人体动作识别的一个重要环节，高效、准确地提取特征可极大地提高动作识别率。学者们一般从两个方面进行底层视觉特征的提取：一是提取全局特征；二是提取局部特征。其目的是通过人体的形状轮廓信息获取全局特征。而对局部特征的提取方法，目前主要集中在提取时空兴趣点和动作运动轨迹两个方面。其优点是不易受到噪声和遮挡因素的影响，缺点是对提取的特征点准确性要求较高。下面简单介绍3 类特征提取方法。
特征提取是人体动作识别的一个重要环节，高效、准确地提取特征可极大地提高动作识别率。提取的特征应能反映动作目标之间的可分性，以及较强的独立性和鲁棒性，还能去除冗余特征，保留数据中的重要信息。学者们一般从两个方面进行底层视觉特征的提取：一是提取全局特征；二是提取局部特征。提取全局特征的思路一般是首先进行背景分割，然后对视频中的目标进行检测和定位，最后从整体结构对以目标为中心的兴趣区域进行特性描述。其目的是通过人体的形状轮廓信息获取全局特征。其优点是可提取大量与人体有关的信息，包含丰富的运动特征；缺点是容易受到噪声和视角变化因素的影响。而对局部特征的提取方法，目前主要集中在提取时空兴趣点和动作运动轨迹两个方面。其优点是不易受到噪声和遮挡因素的影响，缺点是对提取的特征点准确性要求较高。下面简单介绍3 类特征提取方法。
（1）形状特征
形状特征是指采用自上而下的方式对目标行为的全局和局部的表观特征进行描述。通常采用的方法有边界质心距离、傅里叶描述子、HOG 特征、SIFT 特征、统计方法及上下文关系等。形状特征不受颜色以及光照变化的影响，具有较好的旋转、位移、尺度不变性，是一种包含了一定语义信息的高层次特征。
（2）运动特征
运动特征是指连续动作序列中目标运动状态变化的一种特征，如运动的方向、速度等。光流法是提取运动特征的一种常用方法。该方法通过计算图像相邻帧之间的像素变化情况来估计运动变化趋势，从而反映视频图像中目标的运动趋势。(www.chuimin.cn)
（3）时空特征
时空特征是指随着时间推演动作在空间中的状态分布信息。首先将视频图像序列处理为一种三维数据，然后提取时空兴趣点、时空立方体或时空形状等特征来描述运动过程人体姿态的时空状态分布信息。
本章主要提取人体动作的边缘形状特征和运动特征，提出加权融合策略来进行人体动作识别。
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
-
边缘特征提取在基于图像深度信息的人体动作识别详细阅读
Gabor 滤波器还可通过设置不同的参数，构造出多通道滤波器，可提取不同方向多个尺度的图像特征，提取的图像特征具有光照变化不敏感和旋转不变性等特性。因此，本章选用Gabor 变换进行边缘形状特征的提取。同时，高频分量部分表达能力不足，带宽受到一定限制，影响特征的提取效果，在一定程度上无法反映图像的真实性。使用Log-Gabor 滤波器对图像进行边缘特征提取相当于一次卷积运算过程。......
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的优点与成果详细阅读
卷积神经网络的这种局部连接、权值共享结构使其布局更接近于实际生物神经网络。②卷积神经网络引入多种形式的池化操作，可对特征提取过程产生的局部相似视觉特征、局部结构的尺度差异，甚至对局部几何畸变起到抑制作用，较好地保持了旋转、尺度和缩放不变性，能得到更加鲁棒的特征描述。更为关键的是，卷积神经网络在每一个神经元节点使用相同的连接权值，可更有效地捕获图像不同部位的同类型视觉特征。......
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
相关推荐