基于深度信息的人体运动识别方法研究

摘要

人体运动识别是计算机视觉领域的重要研究课题之一,在安全监控、人机交互等领域有重要的应用价值。随着深度传感器的普及,深度信息逐渐被应用到人体运动识别中。本文利用深度信息从全局表征和局部表征两方面研究人体运动的表征方法,分别实现了基于深度信息多层运动历史图像和深度信息时空兴趣点的人体运动识别方法。
　　本文的主要工作如下:
　　(1)阐述了人体运动识别的关键技术及研究现状,深入地分析了当前利用深度信息识别人体运动的相关方法并对目前已有的人体运动深度信息数据库进行了详细介绍。
　　(2)对运动历史图像的人体运动表征方法进行改进,实现了基于深度信息的多层运动历史图像的人体运动全局表征方法,同时引入?变换对每层运动历史图像提取特征向量,用SVM分类器进行分类识别。分别在文中建立的PMD数据库和MSR Daily3D运动数据库上进行实验并取得了较好的识别效果。
　　(3)研究了基于时空兴趣点的人体运动局部表征方法,实现了Harris时空兴趣点检测与基于Gabor滤波器的时空兴趣点检测在深度信息上的应用。对时空兴趣点进行立方体描述并提取3DSIFT特征,实现了基于深度信息时空兴趣点的人体运动识别。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

插图清单

表格清单

1 绪论

1.1 课题研究的背景和意义

1.2 深度信息的获取方法

1.3 论文的研究内容与章节安排

2 基于深度信息的人体运动识别概述

2.1 人体运动识别的一般方法

2.2 利用深度信息识别人体运动

2.3 人体运动的深度信息数据库

2.4 本章小结

3 基于深度信息多层运动历史图像的人体运动识别方法

3.1 多层运动历史图像

3.2 MLMHIs的特征提取

3.3 支持向量机

3.4 实验结果与分析

3.5 本章小结

4 基于深度信息时空兴趣点的人体运动识别方法

4.1 Harris时空兴趣点检测

4.2 基于Gabor滤波器的时空兴趣点检测

4.3 深度信息时空兴趣点的特征提取

4.4 实验结果与分析

4.5 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况