基于AdaBoost和BP网络的机器人动作理解

摘要

针对机器人动作理解,设计基于强分类器的BP网络机器人动作理解系统,阐述了BP网络模型和AdaBoost算法并说明了弱分类器与强分类器的训练步骤.使用了公开的MSRC-12 Gestrue数据集来验证系统的可靠性.为实现原始数据的降维并保证运动信息的完整,系统通过提取了关键帧中人的9段骨骼向量与中心骨骼向量间的夹角作为动作特征;利用BP网络弱分类器对训练样本的错分误差更新样本的权值;并将10轮训练得到的分类器融合为最后的决策函数,完成了对不同个体的6种动作的准确识别.