基于RGBD的人體行為識別系統(tǒng).pdf

1、人體行為識別是計算機視覺領域內(nèi)非常熱門的一個研究方向，在智能監(jiān)控等領域都有廣泛的應用。傳統(tǒng)的識別工作一般是基于RGB視頻進行的。近年來，隨著微軟Kinect等消費級的深度攝像頭的推出，基于RGBD(RGB-Depth)的人體行為識別越來越受到學者以及工業(yè)界的關注?；赗GBD的人體行為識別相對于傳統(tǒng)的行為識別而言，準確率高、魯棒性強。正是因為這些優(yōu)點，基于RGBD的人體行為識別才具有相當高的研究價值。
　　本文針對RGBD人體行為

2、識別展開了研究，提出了一種基于多骨架特征的實時的人體行為識別方案，并且實現(xiàn)了RGBD人體行為識別系統(tǒng)。本文主要完成下面三個工作:第一，針對現(xiàn)有的一些人體三維骨架特征存在的不足，本文提出了一種人體三維骨架的特征提取方法;第二，通過將本文提出的特征與現(xiàn)有特征進行融合，彌補不足，提出了一種能夠?qū)崟r識別人體行為識別的多骨架特征人體行為識別方法;第三，本文實現(xiàn)了一個RGBD數(shù)據(jù)采集以及人體行為識別系統(tǒng)，能夠通過Kinect采集RGBD數(shù)據(jù)，并且利

3、用采集到的RGBD數(shù)據(jù)進行人體行為識別，識別算法首先是通過工作二中的多骨架特征融合后再與從深度數(shù)據(jù)上提取的特征進行融合，然后通過支持向量機進行動作分類。本文提出的特征提取方法考慮了現(xiàn)有的骨架特征提取方法的不足。本文提出的實時行為識別的算法是通過融合多個骨架特征來進行的，該算法兼具速度和準確率，并且還能夠保證準確率不受攝像頭的角度影響。本文提出的基于RGBD多模態(tài)數(shù)據(jù)的人體行為識別技術，考慮各個模態(tài)數(shù)據(jù)之間的互補性，提高了人體行為識別準確