基于融合特征的人体动作识别

摘要

针对复杂的人体动作识别率较低以及单一特征的不足的问题,提出基于Haar小波变换的改进轮廓特征以及多种特征融合的动作识别方法.在第一组实验中对小波变换后的单轮廓特征采用动态时间规整(DTW)算法进行动作序列匹配;第二组实验中提取每帧深度图像的时空兴趣点并进行匹配,在轮廓特征基础上融合加速稳健特征(SURF)和光流直方图(HOF)运动特征作为局部特征;第三组实验在第二组实验的基础上加入骨骼特征.后两组实验均采用线性支持向量机(SVM)对提取的特征进行训练和分类,并在公开数据集MSR Action3D上进行验证.实验结果验证了改进后轮廓特征的有效性,两组融合特征的动作识别方法在同类算法中具有较高的识别率.