基于多特征融合的人體姿態(tài)識別.pdf

1、我國社會老齡化問題已經(jīng)開始顯現(xiàn)，許多老人缺乏照料，為了解決這一難題，許多國家把助老機(jī)器人研究提高到戰(zhàn)略高度，助老機(jī)器人目標(biāo)識別、環(huán)境建模、任務(wù)作業(yè)和導(dǎo)航等關(guān)鍵技術(shù)近幾十年都獲得了突破，所面臨的人機(jī)交互問題一直沒能得到很好的解決，為探索一種適合助老機(jī)器人的有效人機(jī)交互方法，提出三維人體姿態(tài)識別的新方法，即使用深度視覺傳感器Kinect克服光線變化，復(fù)雜背景條件下的人機(jī)交互可靠性差的問題，使助老機(jī)器人具有安全友好的交互感知能力。
　　

2、首先本文分析了Kinect的特點，利用Kinect采集人體姿態(tài)的深度信息，彩色信息和骨骼點信息，并利用這些信息來構(gòu)建人體姿態(tài)的數(shù)據(jù)庫。為了后續(xù)的特征提取以及分類識別不受背景和噪聲的干擾，需要對數(shù)據(jù)庫中的圖片進(jìn)行一定的預(yù)處理。在進(jìn)行人體區(qū)域分割之前對深度圖像進(jìn)行去噪和平滑處理，去除影響人體區(qū)域分割的噪聲并使分割效果更佳，得到深度圖像中的人體區(qū)域之后再對其進(jìn)行面積閾值去噪。之后進(jìn)行深度攝像頭和彩色攝像頭的聯(lián)合標(biāo)定，得到坐標(biāo)轉(zhuǎn)換關(guān)系式，將深度

3、圖像中人體區(qū)域映射到彩色圖像中，完成圖像的預(yù)處理。
　　然后，分別采用輪廓特征參數(shù)結(jié)合Hu矩、方向梯度直方圖（HOG）和人體骨骼特征角對人體姿態(tài)的深度信息、彩色信息和骨骼點信息進(jìn)行表征，在此基礎(chǔ)上，利用主成成分分析對構(gòu)建的特征向量進(jìn)行處理，實現(xiàn)了數(shù)據(jù)的降維和冗余的消除，以使后續(xù)的分類器構(gòu)建更加簡潔高效。
　　最后結(jié)合特征向量的特點確定了boosting框架下基于貝葉斯分類器的分類決策方法，利用貝葉斯分類器來構(gòu)建針對每類圖像信