论文部分内容阅读
人体动作识别是计算机视觉技术的一个重要应用领域。人体动作识别的研究蕴含着巨大的价值,这项研究的主要内容有:人体躯干区域检测,运动特征参数提取,动作与姿态阈值分割和识别。本文针对仰卧起坐运动的侧面视频,使用一种基于运动幅度变化率的人体动作分割方法,实现了对连续的仰卧起坐运动进行了动作和姿态的分割,以及动作和姿态正确性的识别。针对包含连续仰卧起坐动作的视频,动作单元分割用于在视频中提取独立的一个仰卧起坐动作的全过程,姿态分割用于在一个仰卧起坐动作中区分关键姿态和非关键姿态,关键姿态识别用于判别仰卧起坐动作的正确性。实验验证了本方法的有效性,本方法具有依据的人体特征参数少,运算量小,实时性高的特点。主要研究工作如下:1、针对视频中人体连续的仰卧起坐运动,使用一种基于人体高宽比特征幅度变化率的分割方法,实现了对仰卧起坐的动作和姿态的分割。首先,在视频中提取帧图像,其次,通过背景减除法和去噪获取人体轮廓特征,然后,利用提取的各帧中人体轮廓特征的高宽比变化率来描述人体仰卧起坐的动作和姿态,最后,针对仰卧起坐动作中的关键姿态的分割和识别达到对仰卧起坐动作次数和正确性的识别。2、使用向量模法去除了人体运动特征提取中存在的噪声。由于人体运动是存在轻微晃动,所以从视频中提取出的人体运动特征曲线会出现噪声。本文利用向量模法进行去噪,该方法通过增加维数来降低对于单一系数的敏感性。3、针对包含人体仰卧起坐动作的样本视频,实验验证了人体高宽比特征幅度变化率的设定阈值对动作和姿态分割正确率的影响。以目测法为判别依据,实验验证了关键姿态法对于人体仰卧起坐动作分割和识别的有效性,说明了本文中仅检测识别关键帧的方法简单有效并减少了计算量。