文献类型：期刊文章

作　　者：凌佩佩[1] 邱崧[1] 蔡茗名[1] 徐伟[2] 丰颖[1]

Ling Peipei Qiu Song Cai Mingming Xu Wei Feng Ying(Shanghai Key Laboratory of Multidimensional Information Processing, College of Information Science Technology, East China Normal University, Shanghai 200241, China Institute of lmage Processing and Pattern Recognition, Shanghai Jiao Tong University, Shanghai 200240, China)

机构地区：[1]华东师范大学信息科学技术学院,上海市多维度信息处理重点实验室,上海200241 [2]上海交通大学图像处理与模式识别研究所,上海200240

出　　处：《中国图象图形学报》

基　　金：国家自然科学基金项目(61302125,61377107);上海市科委资助基金项目(14DZ2260800)~~

年　　份：2017

卷　　号：22

期　　号：4

起止页码：482-491

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的采用传统的2维特征提取方法,很难从视频中准确地捕获出人体的关节点位置,限制了识别率的上限。采用深度信息的3维特征提取能提升识别率,但高维空间运算复杂度高,很难实现实时识别,受应用场景限制。为克服上述难点,提出一种基于3维特权学习的人体动作识别方法,将3维信息作为特权信息引入到传统的2维动作识别过程中,用来识别人体动作。方法以运动边界直方图密集光流特征、Mosift(Motion SIFT)特征和多种特征结合的混合特征作为2维基本特征。从Kinect设备获得的深度信息中评估出人体的关节点信息,并用李群算法处理得到3维特征作为特权信息。特权信息在经典支持向量机下的识别效果优于2维基本特征。训练数据包含2维基本特征和3维特权信息,测试数据只有2维基本特征。通过训练样本学习,得到结合特权信息的支持向量机(SVM+),使用该向量机对测试样本进行分类,得到人体动作识别结果。结果在UTKinect-Action和Florence3DAction两个人体动作数据集上进行实验。引入特权信息后,人体动作识别率较传统2维识别有2%的平均提升,最高达到9%。SVM+分类器对参数的敏感性较SVM下降。结论实验结果表明,本文方法较以往方法,在提升识别准确率的同时,降低了分类器对参数的敏感性。本文方法仅在训练过程中需要同时提取2维基本特征和3维特权信息,而在测试过程中无需借助深度信息获取设备提取3维特权特征信息,学习速度快,运算复杂度低,可广泛应用于低成本,高实时的人体动作识别场合。

关 键 词：人体动作识别 特权信息  支持向量机 结合特权信息的支持向量机  3维人体李群特征  

分 类 号：TP391.4]