动作识别

摘要： 基于骨架的动作识别任务中,一般将骨骼序列表示为预定义的时空拓扑图.然而,由于样本的多样性,固定尺度的拓扑图往往不是最优结构,针对样本特性构建自适应尺度的骨骼拓扑图能够更好地捕捉时空特征;另外,不同尺度的骨骼图能够表达不同粒度的人体结构特征,因此对多个不同尺度的拓扑图进行特征提取与融合是有必要的.针对这些问题,提出了一种自适应尺度的图卷积动作识别模型.该模型包含自适应尺度图卷积模块和多尺度融合模块两部分.自适应尺度图卷积模块基于先验与空间注意力机制,构建关键点的活跃度判决器,将活跃点细化为小尺度结构、非活跃点聚合为大尺度结构,在加速节点间特征传递的同时最小化特征损耗;多尺度融合模块基于通道注意力机制,动态融合不同尺度的特征,进一步提升网络的灵活性;最后,综合关键点、骨骼、运动信息实现多路特征聚合的动作判别,丰富模型的特征表达.结果表明:该算法在NTU-RGBD数据集的CS和CV子集上分别取得了89.7％和96.1％的分类准确率,显著提高了动作识别的准确性.

摘要： 为了解决传统的基于RGB的动作识别方法易受到光照、遮挡等背景因素的影响,降低了识别准确率和实时性,提出了一种融合层级注意力机制的二维骨架动作识别方法。使用人体姿态估计算法OpenPose提取视频中的人体骨架关节点,对所提取的骨架数据中缺失点和异常点通过均值补全法和指数平滑法进行数据预处理,构建了基于CNN-LSTM与层级注意力机制融合的网络模型CNN-HALSTM实现动作分类。结果表明:本文方法在交互运动数据集和KTH数据集上的识别准确率分别为96.73%和98.35%,模型参数量显著减少,具备实时性优势,优于其他同类型方法。

摘要： 为解决跌倒动作的检测和空间定位问题,本文以YOLOv3目标检测算法为基础,提出了一种全新的用于人跌倒动作识别的检测架构。本算法将视频拆分成一系列的图片序列,并在图片序列中指定关键帧。通过3D卷积神经网络提取视频序列中的时间维度特征,2D卷积神经网络提取关键帧中的空间维度特征,经通道融合机制在不同尺度的预测特征层进行通道融合,融合后的特征经过特征金字塔Transformer进行深层次特征提取和融合。该算法实现了端到端的训练。通过在自己制作的跌倒动作数据集上进行训练和测试,证明了多特征融合和Transformer结构在人体跌倒动作检测中的有效性。

摘要： 人体骨骼点数据相对于RGB视频数据具有更好的环境适应性和动作表达能力,因此基于骨骼点数据的动作识别算法得到越来越广泛的关注和研究。近年来,基于图卷积网络(GCN)的骨骼点动作识别模型表现出了很好的性能,但多数基于GCN的模型往往使用固定空间配置分区策略且手动设定各骨骼点之间的连接关系,无法更好适应不同动作的变化特征。针对此问题,本文提出多配置分区的自适应时空图卷积网络用于骨骼点动作识别,通过搜索更合理的配置分区个数并自适应获取关节点连接关系实现对骨骼点动作特征更充分地利用。在NTU-RGBD数据集和Kinetics-Skeleton数据集上的实验表明本文所提方法可获得比目前多数文献更高的动作识别精度。

摘要： 飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础,实现飞行动作的快速高效识别具有重大意义。对此,提出一种基于神经网络符号化模型的方法,实现对基本飞行动作和复杂飞行动作高效识别。首先,利用微分分割的思想对飞行参数进行切片处理,然后通过卷积神经网络(convolutional neural networks,CNN)和长短期记忆(long-short term memory,LSTM)神经网络实现飞行动作的模块化处理,有效代替了传统方法中对原始数据的逻辑推理。并且该方法可以利用基本飞行动作对飞行过程实现飞行数据分割,具有良好的扩展性,能够快速处理批量飞参数据。最后对13种基本飞行动作、两种复杂飞行动作和整段飞行数据进行仿真实验。仿真结果表明,该方法具有良好的识别性能。

摘要： 针对大部分身份认证方法存在认证方式单一、认证准确性低等问题,文中在医用场景下开展了基于射频技术与智能动作识别的人员身份认证方法研究。在详细论述无线射频识别技术(RFID)及其系统构成后,基于深度学习网络中的t-SNE降维处理、支持向量机动作分类等技术,设计实现了智能动作识别方法。将通过RFID和智能动作识别方法获得的身份信息输入长短时记忆网络进行处理分析,从而得到最终的身份认证结果。基于Python仿真平台对所提方法进行实验分析,结果表明,文中所提方法的认证准确率与时间开销分别为94.51%和31 ms,明显优于其他对比方法,具有良好的应用前景。

摘要： 针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识别,且识别效果良好.

摘要： 本文分析了基于最小二乘支持向量机的飞行训练动作识别,通过识别基础动作序列即可合成复杂动作。采用最小二乘支持向量机对飞行基本动作进行识别,由二分类问题转为多分类问题,对实验结果进行验证以及讨论分析。

摘要： 本文在人体动作描述采用关键骨骼点的深度三维坐标,通过各个关节点的位置坐标关系来描述人体动作。进一步为每一类人体动作训练一个深度信息隐马尔科夫模型,从一定程度上解决了人体动作部分遮挡问题,对训练样本,参照得到的数据库完成编码,通过隐马尔科夫模型训练得到相应参数模型,通过训练得到的模型进行验证和测试,实验数据结果表明该方法具有精确率高的优点。

摘要： 针对如何在保持低参数量和低计算量前提下构建高性能模型的问题,提出一种轻量级多信息图卷积神经网络(LMI-GCN)。LMI-GCN通过将关节坐标、关节速度、骨骼边、骨骼边速度四种不同信息编码至高维空间的方式进行信息融合,并引入可以聚合重要特征的多通道自适应图和分流时间卷积块以减少模型参数量。同时,提出一种随机池数据预处理方法。在NTU-RGB+D120数据集上与基线方法SGN(语义引导神经网络)相比,在两种评估设置cross-subject和cross-setup上提高5.4%和4.7%。实验结果表明,LMI-GCN性能高于SGN。

摘要： 由于人口老龄化,入住老年公寓或独居老人数量在增加,老年人的安全监护是一个重要的社会问题,只依赖于监护人员通常会产生监护死角,且老年人发生摔倒等动作若得不到及时帮助极易给老年人的安全造成影响.为此本文提出一种基于视频监控的动作识别系统.对于视频序列,通过HSV空间的混合高斯背景建模方法提取运动前景图像,采用运动特征和形态特征相结合的方式进行特征提取,通过基于具有高斯输出的HMM模型实现动作的识别.本文提出的方法能够适应光照的变化,具有很好的准确性且满足监控所需的实时性要求.

摘要： 飞行动作识别是飞行质量评估的基础.该文根据无人机在转弯段与非转弯段的滚转角参数差异,提出一种简单有效的转弯动作检测算法.试验结果表明,算法对于多种角度的左、右转弯动作均能有效识别,相对于人工标注数据,转弯段的平均定位精度可达90%以上.

摘要： 动作识别是机器人学与人机交互相关领域中极具前景的研究方向.此研究使用微软公司的Kinect设备获取人体关节的三维座标数据,使用高斯混合模型与隐马尔科夫模型对全身动作进行建模,从而提出了一种对实时数据流进行图像分割与动作识别的算法,可即使地进行预定义的全身动作的识别.这种方法达到了高达94.36％的有效识别率.

摘要： 本文采用PCA作为模式识别的主要方法,对每个基本动作采集训练动作样本库.动作识别部分的内容包括:识别手势信号,判断手臂指向对象,产生控制命令,以"传感器感知"为核心,以"自然交互"为主要方式,融合多种传输技术及视觉图像处理技术,用MATLAB作为平台具体设计实现"智能家居整体解决方案"这一目标.

摘要： 本研究目的是探索乒乓球运动员在发球识别时相关脑区的激活特征，总结出了乒乓球运动员动作识别过程激活多个脑区，包括左侧额上回、左侧额中回，左侧额下回和中央前回，左侧顶下小叶和左侧中央后回，颞叶的左侧颞上回、额颞空间，和双侧扣带回，乒乓球运动员额-顶叶网络在动作识别过程中起着重要作用。

摘要： 本文提出了一种利用多分类隐任务学习来进行动作识别的方法，描述了模型的建立和优化求解步骤。利用多分类分类器进行动作分类，使得分类更加准确；使用KL距离作为损失函数，将模型的优化时间大大缩短；引入稀疏约束使模型更加鲁棒。实验结果表明本文提出的方法可以有效地建模图像序列中的动作并为其正确分类。

摘要： 本文利用迁移学习的思想,提出了一个主题迁移模型(topic transfer model)用于跨视角的动作识别.借助源视角视频和目标视角视频,学习一个迁移模型,利用这个模型来实现对目标视角下视频的分类.具体方法是在源视角下训练一个主题模型,将反应源视角的语义信息传递到目标视角中,然后在目标视角中训练一个主题模型,实现跨视角的动作表示,利用支持向量机进行动作的训练和分类.实验结果验证了该方法的有效性.

摘要： 为了实现肌电假手动作速度的比例控制,增加操作的真实感,研究了肌电假手的动作识别及特征提取两个方面,用于产生动作模式及速度控制指令.本文首先对握拳、伸拳、腕伸、腕屈这四个动作进行研究,选取了能够表征肌肉活动强弱的平均功率和动作复杂度Lempel-Ziv复杂度作为特征,使用支持向量机分类器对握拳、伸拳、腕伸、腕屈四个动作进行识别,取得了平均93.12％的识别率.然后通过三次样条插值函数对动作过程进行拟合取得了比基于最小二乘法拟合更小的绝对误差(absolute error,AE)及均方根误差(RMSE).在搭建的嵌入式系统上进行验证,实验结果表明这种拟合方法能够更好的逼近抓取过程,实现肌电假手的比例控制.

摘要： 目的：三维模型重建习惯上是基于静态图像而不是视频,然而,重建视频中的三维模型可以有助于提高动作识别的精度.因此,本文提出了基于双反射镜视频的动作的形状恢复.方法：因为反射镜像和原物体具有对称性,由双反射镜系统产生的五个视图也可以看作是两个圆周运动.因为镜子的反射矩阵在某些特殊情况很难求出,把整个系统看作圆周运动则可跳过这一步骤.结果：实验结果表明了本文方法所求的相机内参和张氏方法间的误差,折线图表明了误差和所用的帧数的关系,所用帧数越多,结果越接近张氏方法的值.结论：本文提出了双反射镜系统和圆周运动间的关系,从而使相机定标在有镜子的环境下更简单.实验结果表明了方法的可行性和准确度.

摘要： 提出了一种基于人体表面肌电信号的交互力预测方法.该方法仅通过使用表面肌电信号,获取各肌肉的激活状态以表征其等长状态下的肌肉力,并输入前向人体动力学模型,对下压与推两个静态动作的交互力进行了预测.静力学模型中涉及到的参数通过贝叶斯线性回归算法获得.实验结果表明该方法所预测的交互力均方根误差在2.20N以下.

摘要： 一种电子装置，包括动作识别模组、存储单元以及处理单元。该动作识别模组包括感测单元、分析单元以及判断单元。感测单元连续感测一定范围内的人体动作并产生多个感测信号。分析单元接收该多个感测信号并分别处理得出多个影像画面。判断单元对该多个影像画面进行对比，根据影像画面的变化确定一动作。存储单元存储有一动作与功能对应关系表。处理单元根据该动作与功能对应关系表确定该判断单元确定的动作所对应的功能并执行该功能。本发明还提供一种动作识别模组以及识别方法。本发明的电子装置及识别方法，可感测用户的动作而执行相应的功能，无需遥控器进行控制。

摘要： 行为动作识别装置(1)从麦克风(2)获取声音数据，计算声音数据的特征量，判断用户是否存在于设有麦克风(2)的空间内，在用户不存在于空间内的情况下，基于计算出的特征量计算表示噪音的特征量的噪音特征量，并将计算出的噪音特征量存储到噪音特征量存储部(108)，在用户存在于空间内的情况下，从计算出的特征量减去被存储在噪音特征量存储部(108)的噪音特征量，从而提取表示因用户进行动作而发出的行为动作音的特征量的行为动作音特征量，利用行为动作音特征量识别用户的行为动作。

摘要： 本发明提供一种动作识别装置、动作识别方法、存储介质以及动作识别系统，能够各别地识别以每个身体部位进行的动作。动作识别装置(10)包括：获取部(11)，获取与作业者的动作相关的时间序列信息；动作识别部(12)，基于对各别动作进行规定的动作信息及时间序列信息，针对作业者的每个身体部位，识别相当于各别动作的任一个的作业者的动作，按照作业者的身体部位生成动作识别结果，所述动作识别结果包含与所述识别的作业者的动作对应的各别动作的开始时间及结束时间；以及显示部(13)，基于所生成的动作识别结果，将按照身体部位的动作识别结果依时间序列排列显示。

摘要： 本说明书实施例提供动作识别方法，其中所述动作识别方法包括：确定目标对象的动作关键点数据；将所述动作关键点数据输入目标动作识别模型，获得所述目标对象的动作识别结果，其中，所述目标动作识别模型基于样本对象的动作关键点数据，以及所述动作关键点数据对应的动作描述数据训练获得，所述目标动作识别模型为机器学习模型。该方法基于样本对象的动作关键点数据，以及该动作关键点数据对应的动作描述数据训练获得目标动作识别模型，从而获得动作识别效果较优的目标动作识别模型；基于该目标动作识别模型对目标对象的动作关键点数据进行动作识别，提高了动作识别的准确率。

摘要： 一种电子装置，包括动作识别模组、存储单元以及处理单元。该动作识别模组包括感测单元、分析单元以及判断单元。感测单元连续感测一定范围内的人体动作并产生多个感测信号。分析单元接收该多个感测信号并分别处理得出多个影像画面。判断单元对该多个影像画面进行对比，根据影像画面的变化确定一动作。存储单元存储有一动作与功能对应关系表。处理单元根据该动作与功能对应关系表确定该判断单元确定的动作所对应的功能并执行该功能。本发明还提供一种动作识别模组以及识别方法。本发明的电子装置及识别方法，可感测用户的动作而执行相应的功能，无需遥控器进行控制。

摘要： 本申请提供了一种动作识别的方法、动作识别模型的优化部署方法，包括以下步骤：确定视频中的动作特征；动作特征是通过对视频中目标对象的操作动作进行特征提取确定的；利用动作特征，在预先构建的动作特征数据库中进行检索，确定与动作特征匹配的动作类型；动作特征数据库中存储有针对多个类别的目标对象的动作特征与动作类型的对应关系，每一个类别的目标对象的动作特征至少为一个，依据本申请实施例，降低人工识别的成本，随着识别过程的优化，可以提高识别质量和效率。

摘要： 本申请提供了一种动作识别评估方法、动作识别评估装置以及计算机存储介质。该动作识别评估方法包括：获取待识别评估动作数据；采用预设窗口提取待识别评估动作数据中的若干动作片段数据，构建动作数据矩阵；利用预设特征指标计算动作数据矩阵的特征向量；将特征向量输入预设动作分类器，得到预设动作分类器输出的动作类别和/或特定动作完成水平。通过上述方式，本申请的动作识别评估方法能够自动、快速地对用户的动作进行识别，帮助用户对运动动作进行精准、快速的评判与分析。

摘要： 本发明公开了一种动作识别方法、动作识别模型训练方法及相关装置，该动作识别方法包括：获取包含待识别动作的待识别视频和包含目标动作的动作视频；将动作视频和待识别视频输入动作识别模型，通过动作识别模型中的特征提取网络分别对动作视频和待识别视频进行特征提取，得到第一特征数据和第二特征数据；并在动作识别模型的互相关网络中利用第一特征数据对第二特征数据进行互相关处理，识别待识别视频包含的待识别动作是否是目标动作。通过上述方式，本发明能够利用一个动作样本只进行一次学习来实现动作识别，提高识别效率。

摘要： 本申请提供一种动作识别方法、动作识别装置以及计算机可读存储介质。该动作识别方法包括：获取用户的脸部图像，其中，所述脸部图像至少包括脸部热力图；在所述脸部图像中定位嘴巴区域；获取所述脸部热力图中嘴巴区域对应的部分图像的温度值；在所述温度值大于第一温度阈值或小于第二温度阈值的情况下，确定所述用户处于嘴巴运动状态；其中，所述第一温度阈值大于所述第二温度阈值。通过上述方式，动作识别装置可以通过热力图中的温度数据判断用户的嘴巴运行情况，不受光线干扰，能够获得高精度的识别结果，得到更好的鲁棒性。

摘要： 一种能够以简单的构成来实现非接触式的动作识别的非接触式动作识别装置以及动作识别方法。非接触式动作识别装置具备：配置于平面的相互绝缘的多个检测电极；对每个检测电极与操作对象之间的静电电容进行测定的测定单元；以及基于测定单元的测定结果对操作对象的动作进行识别的识别单元，非接触式动作识别装置的特征在于，测定单元以规定的时间间隔对每个检测电极的静电电容进行测定，识别单元根据测定出的静电电容来分别判断每个检测电极在动作识别期间内的电容峰值，并基于与每个检测电极的电容峰值对应的测定时间点，确定操作对象接近或者经过多个检测电极的顺序，识别操作对象的动作。