基于关键帧轮廓特征提取的人体动作识别方法

摘要：

为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法.由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类.在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性.相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率.此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集.

关键词：人体动作识别、前景分割、轮廓特征、灰度共生矩阵、关键帧

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61503206;河南省科技厅科技发展计划项目142102210226The National Natural Science Foundation of China61503206;The Technology Development Plan Project of Henan Science and Technology Department142102210226

在线出版日期：2017-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：98-105