基于人体关节点数据的攻击性行为识别

摘要：

针对人体攻击性行为识别问题,提出一种基于人体关节点数据的攻击性行为识别方法.首先,利用OpenPose获得单帧图像中的人体关节点数据,并通过最近邻帧特征加权法和分段多项式回归完成由人体自遮挡和环境因素所导致缺失值的补全;然后,对每个人体定义动态“安全距离”阈值,如果两人真实距离小于阈值,则构建行为特征矢量,其中包括帧间人体重心位移、人体关节旋转角角速度和发生交互时的最小攻击距离等;最后,提出改进的LightGBM算法w-LightGBM,并对攻击性行为进行识别.采用公共数据集UT-interaction对所提出的攻击性行为分类识别方法进行测试实验,准确率达到95.45％.实验结果表明,所提方法能够有效识别各种角度的攻击性行为.

关键词：人体关节点数据、攻击性行为识别、缺失值补全、攻击距离

所属期刊栏目：39

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61203311,61105064;陕西省教育厅自然科学专项17JK0701;陕西省网络数据分析与智能处理重点实验室开放课题基金资助项目XUPT-KLND201804;西安邮电大学创新基金资助项目CXJJ2017069

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2235-2241