文献类型：期刊文章

作　　者：尹建芹[1,2] 刘小丽[1] 田国会[3] 魏军[1] 张玲[1] 徐涛[1]

机构地区：[1]济南大学信息科学与工程学院山东省网络环境智能计算技术重点实验室,山东济南250022 [2]山东大学计算机科学与技术学院,山东济南250061 [3]山东大学控制科学与工程学院,山东济南250061

出　　处：《机器人》

基　　金：国家自然科学基金(61203341;61573216);山东省自然科学基金(ZR2015FM007)

年　　份：2016

卷　　号：38

期　　号：2

起止页码：200-207

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20161702304793)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在不同的光照及视角下,为了实现人体日常生活动作的高识别率,提出了一种基于Kinect的识别方法.首先,受到人类进行动作识别时往往关注局部细节动作的启发,层次化地处理了采集到的人体关节点数据:通过判断躯干关节点位置变化的缓慢程度,将动作粗分类为上肢动作和躯干动作;之后对于上肢动作,关注手部关节轨迹变化,而对于躯干动作,关注中心关节点轨迹.然后,通过C均值聚类法从这两类轨迹中提取关键点,并将动作的轨迹映射到相应的关键点,得到每组粗分类动作的关键点序列.并提出了时序直方图的概念用以建模关键点序列.再通过比较轨迹间关键点序列的相似性,完成动作识别任务.最后,将该算法应用于采集的数据集合,得到了99%的识别正确率,表明算法能够有效地完成人体动作识别任务.

关 键 词：人体动作识别 人体关节点  C均值  K近邻 时序直方图  

分 类 号：TP391]