首页> 中文学位 >融合多姿势估计特征的动作识别研究
【6h】

融合多姿势估计特征的动作识别研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1论文的研究背景和意义

1.2国内外的研究现状

1.3论文的研究内容

1.4论文的组织结构

第二章 动作识别研究基本理论

2.1 动作表示的模型

2.2 目标检测

2.3 特征的选取

2.4 姿势估计

2.5 动作识别方法

第三章 融合多模型的姿势估计

3.1 引言

3.2 多模型下姿势估计

3.3 实验结果与分析

3.4 本章小结

第四章 融合多姿势特征的动作识别

4.1引言

4.2提出的方法

4.3模板的建立

4.4最优匹配

4.5算法流程及描述

4.6实验结果与分析

4.7 本章小结

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢

攻读学位期间的研究成果

展开▼

摘要

动作识别的研究在人工智能领域越来越热门,受到的关注也越来越多。动作识别分为静态图像的动作识别和视频的动作识别。本文针对静态图像的动作识别进行了研究和详细的分析。静态图像的动作识别在图像搜索,个人相册管理,人机交互等领域具有潜在的应用。在本文中,通过将多个模型下的姿势特征融合,提出了融合多姿估计特征的动作识别方法。融合多姿势估计特征的动作识别将人的动作在多个模型下的姿势估计特征进行融合,然后将多组特征与模板进行匹配,计算相似性,最后对动作进行分类。融合多姿势估计特征的方法对存在遮挡,多目标等复杂环境具有一定的鲁棒性。
  首先利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分。其次将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息。最后测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类。
  在两个数据集上,本文提出的方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC2011-val上较其他一些最新的经典方法至少提高近2%。在数据集Stanford40 actions上,较其他一些最新的经典方法至少提高近6%。由于本文所提出的方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率。

著录项

  • 作者

    冯宇杰;

  • 作者单位

    江西理工大学;

  • 授予单位 江西理工大学;
  • 学科 计算机技术
  • 授予学位 硕士
  • 导师姓名 罗会兰;
  • 年度 2016
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类 TP391.41;
  • 关键词

    动作识别; 多姿势估计; 模板匹配; 图像搜索;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号