基于視頻序列的人體動作識別.pdf

1、人體動作識別是當今機器視覺領域的研究熱點，它涉及到圖像處理、模式識別、人工智能等多個學科的相關知識?；谝曨l的人體動作識別包括人體區(qū)域檢測、動作及姿態(tài)分割以及用于進行動作識別的目標分析和行為理解等。在分析總結該領域研究人員相關工作的基礎上，本文針對俯臥撐運動的特點進行動作和姿態(tài)分割，并對其完整動作進行識別。
　　本文的主要研究內(nèi)容如下：
　　1、本文針對目標動作的特點提出了一種基于動作變化率特征的動作及姿態(tài)分割方法。首先獲取

2、圖像中動作區(qū)域的輪廓信息，根據(jù)連續(xù)圖像序列中輪廓信息的變化情況挖掘出動作的變化率，然后利用量化后的動作變化率界定動作及姿態(tài)的分割點，最后按照對動作識別的意義大小，將不同的姿態(tài)劃分為關鍵姿態(tài)和非關鍵姿態(tài)。由于關鍵姿態(tài)攜帶了進行動作識別的絕大部分信息，因而只利用關鍵姿態(tài)進行動作識別，這種方式有效地降低了計算復雜度，提高了實時性。
　　2、本文針對視頻采集和處理過程中產(chǎn)生的偶然性誤差提出了一種基于向量模的誤差消除算法，用于消除數(shù)據(jù)序列中

3、異常數(shù)據(jù)引起的誤差，其基本原理是在原有數(shù)據(jù)序列的基礎上利用多維向量的模構建一組新的數(shù)據(jù)序列。首先采用某一數(shù)據(jù)節(jié)點及其相鄰數(shù)據(jù)模擬多維向量各方向上的各個分向量，然后計算此多維向量的模并將其作為與當前數(shù)據(jù)節(jié)點對應的新數(shù)據(jù)序列中的節(jié)點。
　　3、本文在動作及姿態(tài)分割的基礎上采用了基于棍狀模型的動作識別方法，通過分別建立各關鍵姿態(tài)的人體模型并與實際動作人體進行比較的方式進行目標分類和動作識別。結合大量的實驗對以上方法和算法進行穩(wěn)定性和準確