基于3D骨骼数据的课堂个人行为识别研究

摘要：

课堂作为教育学生的平台,有着至关重要的作用.学生在课堂上的表现很大程度上影响着他们对知识的接受度,所以课堂行为识别对教学有着重要的意义,不仅能提高教学的效率,也能提高教学的质量.论文使用Kinect传感器在课堂环境中获取深度图像并提取学生骨骼的3D坐标数据,定义各个关节点与髋关节的欧式距离,各个关节点与髋关节夹角的余弦值,每一帧的关节点与第一帧的关节点的欧式距离,每一帧的关节点与第一帧的关节点夹角的余弦值为特征,接着用PCA算法进行降维,最后采用基于多核函数的SVM非线性分类器进行分类,在公测数据集和实测数据集上都有较好的识别准确率.

关键词：Kinect传感器、课堂行为识别、SVM

所属期刊栏目：50

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2022-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1662-1666,1685