基于kinect人体骨架模型的人体动作识别研究

摘要

人体动作识别是计算机视觉和模式识别领域的热点研究问题。人体动作识别技术广泛应用于智能监控、影视动作制作、人机交互、运动分析与医学康复等诸多领域，创造了巨大的社会效益和经济效益。本文在分析了人体动作识别的国内外研究现状和相关动作识别算法的基础上，基于kinect人体骨架模型，展开了人体动作识别研究。本文所做的主要工作如下：
　　（1）首先，构建了动作识别特征向量。论文通过kinect设备提取动作视频中人体骨架的空间位置特征信息，在此基础上，结合人体动作的静态属性和动态属性构建了本文中进行动作识别的特征向量。
　　（2）其次，提出了新的帧选择模型。在对动作视频进行识别的过程中，并不是所有的帧图像都是对识别有利的，有些帧甚至会混淆动作类别，影响最终的识别效果，提出了基于累积运动能量算法的帧选择模型，该模型将极大地提高识别效率，减少运算量，缩短运行时间。
　　（3）然后，本文构建了基于模糊支持向量机的人体动作识别系统，对获得的特征向量首先进行标准化处理，其次进行主成分分析降维，最后用基于模糊支持向量机的识别算法进行训练建模与识别分类。
　　（4）论文的最后部分给出了实验平台的搭建以及实验结果的分析，详细分析了实验数据量以及实验对象对于实验结果的影响，同时比较了所构建的动作识别系统与当前先进的识别算法识别率的优劣，最后给出了详细的实验结果数据并以表格的形式展示。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究的背景与意义

1.2 国内外研究现状与发展趋势

1.3 人体动作识别所面临的问题

1.4 本文的研究内容及创新点

1.5本文的主要研究内容及章节安排

第二章 动作识别方法概述

2.1 特征提取

2.2 识别算法

2.3 本章小结

第三章 基于Kinect三维人体骨骼关节点特征值提取过程

3.1 Kinect设备介绍

3.2人体动作特征值的提取

3.3本章小结

第四章 特征向量的构建与帧选择模型

4.1 特征向量的构建

4.2帧选择模型

4.3 本章小结

第五章 基于模糊支持向量机的动作识别过程

5.1统计学习理论

5.2 支持向量机

5.3 模糊支持向量机

5.4本章小结

第六章 实验流程与结果分析

6.1 论文实验流程

6.2实验结果与分析

6.3 本章小结

第七章 论文总结

参考文献

攻读学位期间取得的研究成果

致谢

声明