基于概率PCA模型的三维人体运动分类

摘要：

提出基于概率主成分分析的三维人体运动自动识别与分类算法.它根据不同类别的人体运动应各有自己代表性的特征集,采用概率PCA方法建立各类动作的高斯分布模型；然后构建基于最小错误率贝叶斯决策理论的多分类器,实现对未知的动作序列(或具有代表性的帧)进行多分类决策.该方法具有概率模型的优点,适合高维数据处理；同时,这种方法能够提取运动数据的内在特征,较好地消除了运动数据在时间轴上的差异带来的问题,从而准确地对运动数据进行分类,实验结果证明了本文方法的有效性.

关键词：三维运动、概率PCA、高斯模型、运动分类

所属期刊栏目：33

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60970098,60803024,61173122;国家自然科学基金重大研究计划项目90715043;教育部高等学校博士点基金和新教师基金项目20090162110055;浙江大学计算机辅助设计与图形学国家重点实验室开放课题A1011

在线出版日期：2013-02-22（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：2669-2675