基于雙Kinect的高爾夫球揮桿動(dòng)作識(shí)別相關(guān)算法及其應(yīng)用研究.pdf

1、人工智能技術(shù)在近十年以來飛速的發(fā)展，人工智能的分支——計(jì)算機(jī)視覺技術(shù)相關(guān)應(yīng)用也越來越受到關(guān)注。其中，基于人體的動(dòng)作跟蹤與識(shí)別的應(yīng)用更是研究熱點(diǎn)。微軟于2010年發(fā)布的Kinect是一個(gè)基于彩色圖像和深度圖像的視覺產(chǎn)品，其在體感應(yīng)用以及動(dòng)作跟蹤識(shí)別方面取得了巨大的成功。但微軟基于成本的考慮，Kinect設(shè)備的分辨率不高，影響了其數(shù)據(jù)的準(zhǔn)確性，亟需通過軟件的方式進(jìn)行修正。
　　針對(duì)這個(gè)問題，本文在綜述了當(dāng)前研究背景的基礎(chǔ)上，希望找到一

2、個(gè)算法簡(jiǎn)單、總體成本低廉的方法對(duì)Kinect所采集到的骨架的數(shù)據(jù)進(jìn)行修正，進(jìn)而通過這些數(shù)據(jù)對(duì)高爾夫揮桿動(dòng)作進(jìn)行評(píng)分。所開展的具體研究工作如下:
　　(1)對(duì)研究方法中使用的相應(yīng)算法進(jìn)行研究:包括支持向量機(jī)及基于其改進(jìn)的光滑支持向量機(jī)技術(shù)、主成份分析法、向量量化與數(shù)據(jù)聚類、HMM算法等。
　　(2)應(yīng)用深度圖像特征對(duì)人體動(dòng)作骨架進(jìn)行修正:針對(duì)Kinect采集的樣本中存在遮擋的問題，本文采用兩臺(tái)Kinect采集人體的骨架數(shù)據(jù)，并

3、通過關(guān)節(jié)坐標(biāo)變換與歸一化的方式對(duì)數(shù)據(jù)點(diǎn)進(jìn)行融合。然后又根據(jù)骨架存在偏差問題，本文提出通過平滑支持向量回歸機(jī)的方式對(duì)關(guān)節(jié)坐標(biāo)點(diǎn)進(jìn)行修正。
　　(3)評(píng)分系統(tǒng)的構(gòu)建:依據(jù)修正后的骨架數(shù)據(jù)，本文對(duì)動(dòng)作進(jìn)行特征提取，采用整體數(shù)據(jù)與分段數(shù)據(jù)相結(jié)合的方式，通過HMM/SVM混合模型和決策級(jí)融合方式對(duì)高爾夫揮桿動(dòng)作進(jìn)行評(píng)級(jí)，并輸出存在問題的關(guān)節(jié)。
　　本文中介紹的方法基于開源的OpenNI框架，所設(shè)計(jì)的算法都是在普通的PC單線程下運(yùn)行。通