计算机应用与软件说明.docVIP

基于Kinect传感器和Adaboost算法的人体动作识别研究 基于Kinect深度传感器提取人体骨骼信息，提出了一种有效的动作识别方法。该方法首先利用Kinect传感器获取人体骨骼三维位置信息和骨骼点的旋转信息，其中骨骼点的旋转信息用四元数的形式来表示；然后由获得的人体骨骼旋转数据构造候选特征曲线；最后用Adaboost算法对样本进行训练，得到相应的动作特征集和强分类器，并对强分类器进行融合，提出了动作识别力度来提高动作的识别率。实验结果证明，该方法对不同体型的人的动作都具有很高的识别准确率和鲁棒性。 Kinect深度传感器 Adaboost算法 四元数 候选特征 动作识别力度 中图分类号 TP391.9　　　　文献标识码 A 　　　　 Research on human action recognition based on Kinect sensor and Adaboost algorithm Zhu Xi’an1 Guo Dandan2 [作者英文名或拼音] 1,2(College of Information and Telecommunication Engineering, Beijing Information Science and Technology University, Beijing 100101) An effective Human action recognition method based on the human?skeletal?information?which is?extracted by Kinect depth sensor?is proposed in this paper. First, human bone three-dimensional position information and the rotation information of skeletal point expressed in the form of quaternion are acquired by?Kinect depth sensor. Then the candidate characteristic curves were constructed by human bone rotation data information. Finally, a corresponding set of operation characteristics and the strong classifier are obtained by training samples based on Adaboost algorithm, and the strong classifiers are fused. The action recognition strength is proposed to improve the recognition rate movements. The experimental results show that the method for people of different body movements has a high identification accuracy and robustness. Kinect depth sensor Adaboost algorithm quaternion candidate characteristic action recognition strength  引　言 [标题1] 人体动作识别在计算机视觉、机器学习、模式识别、信号处理等KanavKahol等人[5]对人体舞蹈动作进行了识别；Ram Nevatia等人[6]采用基于语法的方法对类似盗窃的异常行为进行了识别。 人体动作识别的传统方法可分为三类：基于统计的方法、基于模板的方法和基于语法的方法。基于统计的方法主要有隐形马尔科夫模型和动态贝叶斯网络；基于模板的方法主要有模板匹配法、动态规划法和动态时空规整法；基于语法匹配的方法主要是有限状态机。近几年来，采用机器学习的方法来进行动作识别取得了不错的进展，它通过对样本进行训练来得到相应的分类器，对人体动作进行识别。本文采用的是机器学习的方法，如图1所示，通过Kinect深度传感器获取人体骨骼数据，把各个骨骼点一段时间内的变化曲线作为候选特征，运用Adaboost[7,8]算法对候选特征进行训练得到相应的动作特征集和强分类器来进行动作的识别。该方法可以根据不同的动作自适应的获取动作的特征集，不做特征的筛选构造出的分类器精度很高，且不用担心过匹配问题。 人体骨骼信息获取 人体骨骼数据