文献类型：期刊文章

作　　者：刘小丽[1] 尹建芹[2] 魏军[1] 王磊[3] 吴艳春[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]北京邮电大学自动化学院,北京100876 [3]中国科学院深圳先进技术研究院人机控制实验室,广东深圳518055

出　　处：《机器人》

基　　金：国家自然科学基金(61673192;61472163;61573219);山东省高校优秀青年基金(ZR2016JL023);深圳市科创委基础研究项目(JCYJ20170413152535587)

年　　份：2018

卷　　号：40

期　　号：2

起止页码：178-187

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现日常生活中动作的识别,以提高家庭服务机器人的服务质量,为人类提供安全舒适的环境,提出了一种基于马氏距离的度量学习方法进行人体动作的识别.首先,利用Kinect获取人体动作的关节点数据.然后,基于关节点数据构建动作敏感特征集合,即由人体的关节点坐标构造人体的结构向量以及相应的角度,并对每一样本的长度进行归一化处理.采用大间隔最近邻(LMNN)分类算法进行马氏距离学习得到变换矩阵L,将归一化之后的原始数据映射到更优特征空间.最后,采用k近邻算法进行动作识别.在自建的数据集上,得到97%的识别率.实验结果表明,LMNN算法能够改善数据的分布,即缩小类内距离,扩大类间距离,较好地完成人体动作识别的任务.

关 键 词：动作识别  度量学习  大间隔最近邻  马氏距离  K近邻

分 类 号：TP242] TP391.41]