基于人体三维骨架模型的特定动作识别

• 作 者: 扆泽林
• 出 处: 南京大学
• 发表日期: 2017年期
• 关键词: 智能监控 骨架模型 特征分类 决策树

近几十年,国内外公共场合频有恐怖袭击和暴力事件发生,严重威胁着人民的生命安全。智能化的视频监控技术近年来发展迅速。在人流量高的公共场所布置密集的摄像头,自动识别行人危险动作并发出预警信号,提醒安保人员及时采取措施,是一种预防恐怖暴力事件发生的有效方法。本文研究了智能视频监控技术用于识别特定动作的方法。选取人体中15个重要关节点建立标准人体骨架模型,基于骨架模型对动作进行相似性研究,从而判断动作是否属于特定动作。本文所做的工作主要有以下几点:(1)近年来,廉价的深度传感器的出现使研究者可以很方便地获取RGB-D图像提取出人体的关节骨架信息,与传统RGB图像相比,RGB-D图像有受光照、背景变化影响小的优点。本文将三维人体动作识别中提取的特征依据时间、空间上的层次关系进行分层,由低层到高层共划分为七个层次,高层特征可以由低层特征表示。这种分类方法便于研究者对人体三维骨架模型的特征提取方法进行学习和理解。事实上,最底层特征就是关节点坐标等深度图像数据,高层特征代表着不同的动作,特征提取所选取的特征值是由底层特征向高层特征表达时构建的一座桥梁。(2)提出一种基于主要特征的特征向量匹配算法。传统的特征向量匹配算法将提取到的所有特征值组成特征向量进行匹配,但没有考虑到每种特征重要性不同这一事实。本文的改进方法借鉴了 PCA主成分分析法中挑选主要成分的思想,对每个动作序列中的每个特征值减去标准站姿相应特征值后的标准差,挑选标准差最大的若干个特征构成新的向量进行匹配。(3)提出一种基于局部肢体动作构建决策树的动作分类方法,利用局部肢体动作与人体整体动作关联性,寻找出不同动作间的局部肢体姿态差异,作为决策树分类的判别条件。最后,在两个公开数据集对上述两种动作识别方法进行准确率测试。