DMM-SIFT算子耦合SVM的深度图动作识别算法

摘要：

针对目前深度图动作识别的低效性问题,提出基于多方向的尺度不变特征转换(scale invariant feature transform,SIFT)算子的深度图识别方法.将深度序列图依次映射到3个相互正交的平面上,累加相邻帧之间差的绝对值,得到深度运动图(depth motion map,DMM);在DMM上提取SIFT特征,得到3个平面上的DMM后,分别计算3个平面的SIFT特征,对其进行归一化处理;引入支持向量机(support vector machine,SVM),将归一化的特征描述嵌入到SVM中,进行深度动作模型的学习与测试.实验结果表明,相对于当前常用的动作识别算法,所提动作识别技术具有更高的检测精度与更强的鲁棒性,能够更有效地提取出深度图里的动作信息.

关键词：深度图像、动作识别、SIFT算子、支持向量机、深度序列图、深度动作

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61471250;四川省科技攻关基金项目2014GZX0146;四川省自然科学基金重点基金项目2014AJ072

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3441-3445