基于机器学习的人体动作局部特征点识别仿真

摘要

为了解决对人体动作局部特征点的识别误差率较高的问题,提出一种基于机器学习的人体动作局部特征点识别方法.首先利用人体在时空状态下的差别及运动频率变化,构建多尺度的局部时空领域特征.以目标之前状态为基础,通过卡尔曼滤波计算法对人体关节位置评估,并对之后的状态做误差最优估计,以此构建人体行为数学模型.利用小波转换函数构建神经网络模型,将之前所提取出来的人体动作特征点参数作为输入神经元,输入进神经网络内进行训练.然后利用训练完毕的神经网络对测试集分类进行定量识别,并确定识别精准度指标.仿真结果表明,所提方法的相对于传统方法提取人体动作数据多,分类全面,证明了所提方法识别准确度较高、误差率较低.