文献类型：期刊文章

作　　者：丁重阳[1,2] 刘凯[1,2] 李光[1,2] 闫林[1,2] 陈博洋[1,2] 钟育民[1,2]

DING Chong-Yang;LIU Kai;LI Guang;YAN Lin;CHEN Bo-Yang;ZHONG Yu-Min(Department of Computer Science and Technology,Xidian University,Xi’an 710071;Beijing Institute of Telemetry Technology,Beijing 110000)

机构地区：[1]西安电子科技大学计算机学院,西安710071 [2]北京遥测技术研究所,北京110000

出　　处：《计算机学报》

基　　金：国家自然科学基金面上项目（61571345）;国家自然科学基金重大研究计划培育项目（91538101）;国家自然科学基金国际合作项目（61850410523）;空间测控通信创新探索基金（201701B）资助~~

年　　份：2020

卷　　号：43

期　　号：1

起止页码：29-40

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：人体行为识别在视觉领域的广泛应用使得它在过去的几十年里一直都是备受关注的研究热点.近些年来,深度传感器的普及以及基于深度图像实时骨架估测算法的提出,使得基于骨架序列的人体行为识别研究越来越吸引人们的注意.已有的研究工作大部分提取帧内骨架不同关节点的空间域信息和帧间骨架关节点的时间域信息来表征行为序列,但没有考虑到不同关节点和姿态对判定行为类别所起作用是不同的.因此本文提出了一种基于时空权重姿态运动特征的行为识别方法,采用双线性分类器迭代计算得到关节点和静止姿态相对于该类别动作的权重,确定那些信息量大的关节点和姿态;同时,为了对行为特征进行更好的时序分析,本文引入了动态时间规整和傅里叶时间金字塔算法进行时序建模,最后采用支持向量机完成行为分类.在多个数据集上的实验结果表明,该方法与其它一些方法相比,表现出了相当大的竞争力,甚至更好的识别效果.

关 键 词：行为识别  特征表示  骨架序列  线性分类器 时序模型  

分 类 号：TP391]