基于Kinect骨架信息的人體動作識別.pdf

1、在機(jī)器視覺領(lǐng)域中，關(guān)于“人體運動”的研究一直在不斷地進(jìn)行著，從最初的人體檢測和定位、人體運動跟蹤，到現(xiàn)在的人體姿態(tài)識別、人體動作識別，甚至行為理解。研究起初，研究人員對普通二維圖像包括灰度和彩色圖像做了大量的研究，盡管設(shè)計出各種先進(jìn)的圖像處理算法，但是仍無法避免一些噪音問題，如光照、顏色、紋理、遮擋等。在硬件技術(shù)和學(xué)術(shù)理論的推動下，學(xué)者們的目光不在局限于普通圖像，而是尋找新的圖像表達(dá)方式，如X光圖像，紅外線圖像，希望從這些圖像中挖掘出普

2、通圖像所沒有的數(shù)據(jù)。近幾年來，深度圖像也走進(jìn)了研究人員的視野，圖像中的每個像素表示場景中的某一個點到攝像機(jī)的距離，換句話說，深度圖像可以直接從三維空間獲得場景的三維數(shù)據(jù)，相比利用普通圖像進(jìn)行三維重建，它幫助研究人員快速而方便地走進(jìn)三維世界。實際上，深度圖像也屬于計算機(jī)視覺的研究范疇，只不過數(shù)據(jù)的表達(dá)方式不同，因此很多現(xiàn)有的圖像處理算法是可以借鑒和擴(kuò)展的。本文在深度圖像的基礎(chǔ)上，對人體運動特征模型和識別算法進(jìn)行了研究，為動作識別研究提供了

3、一種新的思路和方法。本文主要工作如下:
　　(1)對人體動作識別的背景及意義，研究現(xiàn)狀進(jìn)行了概括，分析了目前動作識別所面臨的問題，分析了深度圖像應(yīng)用于動作識別的可行性，為本文的研究提供了基本思路。
　　(2)本文采用微軟Kinect體感攝像頭獲取深度圖像，并結(jié)合其SDK得到了20個三維人體骨架關(guān)節(jié)點。在此基礎(chǔ)上，分析了人體關(guān)節(jié)的運動特性，提出了一種關(guān)節(jié)角度變化序列的運動特征模型。該模型復(fù)雜度低，計算簡單，具有組合性。

4、　　(3)對現(xiàn)在主流的識別算法進(jìn)行了介紹。在設(shè)計分類器方面，本文并沒有單純得套用復(fù)雜先進(jìn)的識別算法,而是在詳細(xì)分析運動模型的特點之后，決定采用動態(tài)時間規(guī)整算法(DTW)。然而，傳統(tǒng)的DTW算法并不能總是得到滿意的匹配效果，因此本文也針對其缺點提出了一種改進(jìn)算法，大大提高了匹配的準(zhǔn)確性。
　　(4)針對模板匹配所耗費的時間代價，本文采用并行計算提高計算速度，并結(jié)合大量的實驗分析，展示了本文動作識別算法的有效性和魯棒性。
　　論