结合特权信息的人体动作识别
目的 采用传统的2维特征提取方法,很难从视频中准确地捕获出人体的关节点位置,限制了识别率的上限.采用深度信息的3维特征提取能提升识别率,但高维空间运算复杂度高,很难实现实时识别,受应用场景限制.为克服上述难点,提出一种基于3维特权学习的人体动作识别方法,将3维信息作为特权信息引入到传统的2维动作识别过程中,用来识别人体动作.方法 以运动边界直方图密集光流特征、Mosift(Motion SIFT)特征和多种特征结合的混合特征作为2维基本特征.从Kinect设备获得的深度信息中评估出人体的关节点信息,并用李群算法处理得到3维特征作为特权信息.特权信息在经典支持向量机下的识别效果优于2维基本特征.训练数据包含2维基本特征和3维特权信息,测试数据只有2维基本特征.通过训练样本学习,得到结合特权信息的支持向量机(SVM+),使用该向量机对测试样本进行分类,得到人体动作识别结果.结果 在UTKinect-Action和Flor-ence3D-Action两个人体动作数据集上进行实验.引入特权信息后,人体动作识别率较传统2维识别有2%的平均提升,最高达到9%.SVM+分类器对参数的敏感性较SVM下降.结论 实验结果表明,本文方法较以往方法,在提升识别准确率的同时,降低了分类器对参数的敏感性.本文方法仅在训练过程中需要同时提取2维基本特征和3维特权信息,而在测试过程中无需借助深度信息获取设备提取3维特权特征信息,学习速度快,运算复杂度低,可广泛应用于低成本,高实时的人体动作识别场合.
人体动作识别、特权信息、支持向量机、结合特权信息的支持向量机、3维人体李群特征
22
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61302125,61377107;上海市科委资助基金项目14DZ2260800;National Natural Science Foundation of China61302125,61377107;Grants from Science and Technology Commission of Shanghai Municipality14DZ2260800
2017-05-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
482-491