融合多姿势估计特征的动作识别

摘要：

目的 为了提高静态图像在遮挡等复杂情况下的动作识别效果和鲁棒性,提出融合多种姿势估计得到的特征信息进行动作识别的方法.方法 利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分.将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息.测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类.结果 在两个数据集上,本文方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC 2011-val上较其他一些最新的经典方法平均准确率至少提高近2％.在数据集Stanford 40 actions上,较其他一些最新的经典方法平均准确率至少提高近6％.结论 本文方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率.

关键词：动作识别、多姿势估计、模板匹配、遮挡

所属期刊栏目：20

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61105042,61462035;国家重点基础研究发展计划973基金项目2010CB327900;江西省青年科学家井冈之星培养对象计划资助.National Natural Science Foundation of China61105042, 61462035;National Basic Research Program of China2010CB327900

在线出版日期：2015-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1462-1472