多视角深度运动图的人体行为识别
目的 使用运动历史点云(MHPC)进行人体行为识别的方法,由于点云数据量大,在提取特征时运算复杂度很高.而使用深度运动图(DMM)进行人体行为识别的方法,提取特征简单,但是包含的动作信息不全面,限制了人体行为识别精度的上限.针对上述问题,提出了一种多视角深度运动图的人体行为识别算法.方法 首先采用深度图序列生成MHPC对动作进行表示,接着将MHPC旋转特定角度补充更多视角下的动作信息;然后将原始和旋转后MHPC投影到笛卡儿坐标平面,生成多视角深度运动图,并对其提取方向梯度直方图,采用串联融合生成特征向量;最后使用支持向量机对特征向量进行分类识别,在MSR Action3D和自建数据库上对算法进行验证.结果 MSR Action3D数据库有2种实验设置,采用实验设置1时,算法识别率为96.8％,比APS_PHOG(axonomet-ric projections and PHOG feature)算法高2.5％,比DMM算法高1.9％,比DMM_CRC (depth motion maps and collabo-rative representation classifier)算法高1.1％.采用实验设置2时,算法识别率为93.82％,比DMM算法高5.09％,比HON4D(histogram of oriented 4D surface normal)算法高4.93％.在自建数据库上该算法识别率达到97.98％,比MHPC算法高3.98％.结论 实验结果表明,多视角深度运动图不但解决了MHPC提取特征复杂的问题,而且使DMM包含了更多视角下的动作信息,有效提高了人体行为识别的精度.
人体行为识别、深度图像、深度运动图、多视角深度运动图、运动历史点云、方向梯度直方图、支持向量机
24
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61179045
2019-04-30（万方平台首次上网日期，不代表论文的发表时间）
共10页
400-409
