上海理工大学 光电信息与计算机工程学院, 上海 200093
为了提高人体动作识别的准确率和实时性, 提出了一种基于关键帧的人体行为识别新方法。用Kinect提取人体骨架信息(各关节点的3D坐标), 将中心点(人体基准参考点)分别与其他各关节点作结构向量, 根据空间不变性选取中心向量, 计算各个结构向量和中心向量之间的夹角,并将夹角的角速度作为一种新的姿态描述特征, 利用AP (Affinity Propagation)聚类算法提取关键帧, 利用SVM将得到的关键帧进行动作序列的分类。在Cornell Activity Dataset-60 (CAD-60)数据库实验结果表明, 新方法具有良好的识别能力。
人体行为识别 人体关节点 人体特征表示 AP聚类 SVM(Support Vector Machine)分类器 human action recognition human joints represent human characteristics AP clustering SVM (Support Vector Machine) classifier