人机协作中融合骨骼耦合的人体动作轨迹预测

摘要

针对在人机协作中人体动作预测的差异性和低准确度的问题,提出了一种人机协作中融合骨骼耦合的人体动作轨迹预测方法。以长短期记忆(LSTM)网络为预测模型框架,利用人体骨骼具有耦合性的性质作为约束条件,约束条件通过拉普拉斯评分算法实现,以减小预测误差,可协助当前动作序列与未来动作序列形成准确映射关系。在测试中,根据人体动作的前30帧初始动作序列对未来15帧动作序列做出超前预测。在装配场景中,预测人对工具抓取、传递、接收等动作的未来动作轨迹。当获取初始的前30帧动作序列,对后15帧的动作序列预测的准确率达到80%以上,验证了方法的有效性。