10.3969/j.issn.1004-373X.2015.10.017
基于关节信息和极限学习机的人体动作识别
基于关节信息的人体动作识别在人机交互、互动娱乐、多媒体信息检索等方面应用广泛。为了提高动作识别率,使用两种具有固定长度的分层描述符分别关注运动的动态和静态信息,对运动序列提取特征,将这两种描述符线性组合,形成同时包含动态和静态信息的新描述符,并使用极限学习机(ELM)进行分类。该方法在微软Kinect传感器采集到的MSRAction3D数据库和运动采集数据集HDM05上进行了仿真实验。实验结果证明组合后的描述符结合ELM在这两个数据集上的识别率较现有方法有明显提高。
人体动作识别、极限学习机、协方差、方向位移直方图
TN710-34;TP391.4(基本电子电路)
2015-06-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
55-60