基于多特征融合的人体动作识别 田国会.docxVIP

基于多特征融合的人体动作识别 田国会 基于多特征融合的人体动作识别lowbar;田国会 第39卷　第5期山　东　大　学　学　报　(工　学　版) 2021年10月 Vol . 39　No . 5Oct . 2021　JOUR NAL OF SHA NDO NG U NIVER SITY (E NGINEER IN G SCIEN CE ) 文章编号:1672-3961(2021) 05-0043-05 基于多特征融合的人体动作识别 田国会, 吉艳青, 黄彬 (山东大学控制科学与工程学院, 山东济南250061) 摘要:提出复杂环境下基于特征融合的日常动作、突发异常(摔倒) 行为检测方法. 利用人的姿态、姿态变化速率特 征、人的位置变化特征表征人的运动状态, 通过合成简单的姿态事件并结合特征来表达具有复杂时空关系的运动事件. 该方法计算复杂度小, 对目标大小的变化具有较好的鲁棒性, 在智能交互、服务机器人自主服务系统中具有实用价值. 关键词:智能监护; 运动检测; 人体姿态识别; 行为理解; 智能空间中图分类号:TP391. 41　　　文献标志码:A Human motion detection based on multi -feature fusion TI AN Guo -hui , JI Yan -qing , HUANG Bin (School of Control Science and Engineering , Shandong University , Jinan 250061, China ) Abstract :A novel method was proposed to detect human daily activities and fall behavior based on features fusion . Actions were described by a set of postures and features of postures change velocity and position chan ges , then s imple postures events and fea -tures were combined to express complex human activities events . This method can robustl y detect hu man actions , thus can be used for intelligence interactive and service robot autonomous server system . Key words :Intelligent surveillance ; motion detection ; hu man postures recognition ; behaviors understanding ; intelligent space 姿势, 然后利用随时间变化的姿势来描述不同动作. 考虑到我国日趋严重的老龄化社会问题, 同时考虑还有一大批行动不方便的残疾人, 开发家庭服 务机器人非常有必要. 识别人的运动是服务机器人实现自主服务、人机交互的基础, 并成为近年来被广泛关注的热点. 目前, 基于视觉传感器的运动识别采用的方法主要有三类:第一类, 基于时空特征的 模式分析方法. 这种方法是首先将提取人体区域图像序列转换为一组静态形状模式, 然后在识别阶段和预先存储的行为样本相比较. 这类方法计算复杂度低、实现简单, 但是对于噪声和运动时间间隔的变化敏感. 第二类, 基于模型的方法. 该方法先采用人体2D 或3D 模型得到每一帧视频中的人体 收稿日期:2021-09-01 该方法准确度高, 但是计算量大, 对设备要求高, 实时性差. 第三类, 基于图像统计处理的方法. 这 类方法直接对视频帧的低层信息进行统计分析, 从而对视频段进行理解. 比如, Ma and Lin 通过对视频帧进行主成分分析, 然后对各种动作序列进行分类和识别, 但是图像的大数据量导致计算量非常大. 家庭环境下拍摄的图像背景杂乱, 人体姿态视角不一, 衣着颜色风格各异, 运动时间间隔变化多样, 前面描述的行为分析方法都很难应用于复杂家庭环境下的行为理解系统中. 本文研究在复杂环境下对人的日常典型动作(如站起、躺下等) 和突发异常动作(摔倒) 进行识别. 其中涉及的关键性问题是:人的运动表征与人的动作识别, 此问题的实质是提取何种特征, 采