基于全局信息的人體運(yùn)動(dòng)識(shí)別.pdf

1、人體運(yùn)動(dòng)分析一直以來都是科研領(lǐng)域的熱點(diǎn)，它是對(duì)計(jì)算機(jī)視覺，機(jī)器學(xué)習(xí)等學(xué)科的綜合應(yīng)用。早期的人體運(yùn)動(dòng)分析研究都是基于RGB圖像而展開的，但其準(zhǔn)確率受到光照，遮擋，視角變化等因素的影響較大?；谏疃葓D像的算法不僅能夠提供3D骨骼數(shù)據(jù)，而且受光照，視角變化等外界因素的影響較小。近年來隨著深度攝像頭的普及以及提取3D骨骼數(shù)據(jù)技術(shù)的成熟，基于3D骨骼數(shù)據(jù)的人體運(yùn)動(dòng)分析研究逐漸成為該領(lǐng)域的新熱點(diǎn)。
　　人體運(yùn)動(dòng)分析包括兩個(gè)重要部分：運(yùn)動(dòng)分割和

2、運(yùn)動(dòng)識(shí)別。運(yùn)動(dòng)分割是把運(yùn)動(dòng)數(shù)據(jù)按類別屬性分割成若干片段。運(yùn)動(dòng)識(shí)別則是識(shí)別運(yùn)動(dòng)數(shù)據(jù)所屬的動(dòng)作類別，如：跑，走路，跳等。由于個(gè)體的運(yùn)動(dòng)差異，運(yùn)動(dòng)復(fù)雜性，以及運(yùn)動(dòng)捕獲數(shù)據(jù)受器材的精密程度等外部環(huán)境的影響，對(duì)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行運(yùn)動(dòng)分析是一項(xiàng)具有挑戰(zhàn)性的工作。
　　在運(yùn)動(dòng)分割方面，本文在已有的分割算法基礎(chǔ)上進(jìn)行深入分析，提出了一種自適應(yīng)聚類分割算法。該算法首先利用轉(zhuǎn)折點(diǎn)偵測算法對(duì)運(yùn)動(dòng)序列進(jìn)行粗略分割，將運(yùn)動(dòng)序列分割成若干片段。然后引入最大均值差異

3、算法來衡量各片段之間的相似性，并結(jié)合主成分分析算法對(duì)描述各片段相似性的矩陣進(jìn)行分解，進(jìn)而確定運(yùn)動(dòng)序列包含的運(yùn)動(dòng)種類數(shù)。最后利用分層聚類算法分割出每個(gè)運(yùn)動(dòng)中的周期運(yùn)動(dòng)，實(shí)現(xiàn)精細(xì)分割。該方法不僅能對(duì)運(yùn)動(dòng)種類數(shù)未知的運(yùn)動(dòng)序列進(jìn)行分割，而且對(duì)運(yùn)動(dòng)序列中所有的運(yùn)動(dòng)進(jìn)行了聚類標(biāo)注。
　　在運(yùn)動(dòng)識(shí)別方面，本文提出了一種基于全局信息的特征表示方法。由于深度攝像頭捕獲的3D骨骼數(shù)據(jù)含有大量噪聲，早期的特征表示采用的是局部特征，因此它們不能很好的抑制

4、噪聲對(duì)識(shí)別準(zhǔn)確率的影響。由于人體的運(yùn)動(dòng)具有時(shí)序性和平順性，基于全局信息的特征表示對(duì)噪聲的抑制效果更明顯。在此基礎(chǔ)上，本文將同一運(yùn)動(dòng)的同一個(gè)關(guān)節(jié)點(diǎn)在同一坐標(biāo)軸方向上的所有歐拉角擬合成獨(dú)立的高斯模型，然后利用關(guān)節(jié)點(diǎn)的歐拉角對(duì)應(yīng)的高斯權(quán)值進(jìn)行特征表示，最后結(jié)合隱馬爾科夫模型進(jìn)行運(yùn)動(dòng)識(shí)別。因?yàn)椴捎昧巳中畔⒌奶卣鞅硎?，本文的方法能在噪聲環(huán)境下實(shí)現(xiàn)較高準(zhǔn)確度的運(yùn)動(dòng)識(shí)別。
　　最后，本文在不同基準(zhǔn)數(shù)據(jù)庫和自建數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，通過對(duì)實(shí)驗(yàn)結(jié)果的對(duì)