基于RGBD的人體行為識(shí)別系統(tǒng).pdf

1、人體行為識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域內(nèi)非常熱門的一個(gè)研究方向，在智能監(jiān)控等領(lǐng)域都有廣泛的應(yīng)用。傳統(tǒng)的識(shí)別工作一般是基于RGB視頻進(jìn)行的。近年來(lái)，隨著微軟Kinect等消費(fèi)級(jí)的深度攝像頭的推出，基于RGBD(RGB-Depth)的人體行為識(shí)別越來(lái)越受到學(xué)者以及工業(yè)界的關(guān)注。基于RGBD的人體行為識(shí)別相對(duì)于傳統(tǒng)的行為識(shí)別而言，準(zhǔn)確率高、魯棒性強(qiáng)。正是因?yàn)檫@些優(yōu)點(diǎn)，基于RGBD的人體行為識(shí)別才具有相當(dāng)高的研究?jī)r(jià)值。
　　本文針對(duì)RGBD人體行為

2、識(shí)別展開(kāi)了研究，提出了一種基于多骨架特征的實(shí)時(shí)的人體行為識(shí)別方案，并且實(shí)現(xiàn)了RGBD人體行為識(shí)別系統(tǒng)。本文主要完成下面三個(gè)工作:第一，針對(duì)現(xiàn)有的一些人體三維骨架特征存在的不足，本文提出了一種人體三維骨架的特征提取方法;第二，通過(guò)將本文提出的特征與現(xiàn)有特征進(jìn)行融合，彌補(bǔ)不足，提出了一種能夠?qū)崟r(shí)識(shí)別人體行為識(shí)別的多骨架特征人體行為識(shí)別方法;第三，本文實(shí)現(xiàn)了一個(gè)RGBD數(shù)據(jù)采集以及人體行為識(shí)別系統(tǒng)，能夠通過(guò)Kinect采集RGBD數(shù)據(jù)，并且利

3、用采集到的RGBD數(shù)據(jù)進(jìn)行人體行為識(shí)別，識(shí)別算法首先是通過(guò)工作二中的多骨架特征融合后再與從深度數(shù)據(jù)上提取的特征進(jìn)行融合，然后通過(guò)支持向量機(jī)進(jìn)行動(dòng)作分類。本文提出的特征提取方法考慮了現(xiàn)有的骨架特征提取方法的不足。本文提出的實(shí)時(shí)行為識(shí)別的算法是通過(guò)融合多個(gè)骨架特征來(lái)進(jìn)行的，該算法兼具速度和準(zhǔn)確率，并且還能夠保證準(zhǔn)確率不受攝像頭的角度影響。本文提出的基于RGBD多模態(tài)數(shù)據(jù)的人體行為識(shí)別技術(shù)，考慮各個(gè)模態(tài)數(shù)據(jù)之間的互補(bǔ)性，提高了人體行為識(shí)別準(zhǔn)確