视频数据中人体动作的分类研究——基于3D泊松方程

摘要

人体动作行为分析是最近几年来在计算机视觉领域中比较备受关注的前沿方向之一。视频中的人体动作可以被看成是由运动着的躯干和四肢通过不同运动的组合而成。本文按照人体动作行为分析的顺序对动作人体的目标检测、人体动作序列的特征提取以及人体动作特征的学习分类这三个部分分别进行了分析研究。
　　 本文采用基于3D泊松方程的方法对人体的动作序列提取其特征。通过对剪影序列求解泊松方程,可以得到时间空间特征、时间空间结构特征、形状特征以及方位特征等。本文使用三维时空中的剪影结构特征以及剪影在三维时空中的方位特征来表示剪影序列的局部特征。并使用3D Zemike矩特征来表示剪影序列的整体特征。
　　 本文结合贝叶斯分类器与Adaboost分类器,使用基于贝叶斯弱分类器的Adaboost分类器对人体动作序列的特征进行学习分类。并对Weizmann视频数据库进行了实验,使用将样本分类并从中选取部分组合进行训练的方法进行了多次实验,最后对实验结果进行了分析以及比较。
　　 实验结果表明,本文的方法能有效地提取人体动作特征,对于弯腰、单脚跳、纵跳、侧走、步行、挥手等动作有较好的分类效果。