为了解决当前人体运动识别方法受到复杂背景、可变光照及视角变化的影响,无法准确识别人体运动轨迹的问题,通过特征匹配研究人体运动轨迹识别问题。通过背景提取与差分二级化对人体运动区域进行分割,在此基础上,把人体运动空间描述转换...为了解决当前人体运动识别方法受到复杂背景、可变光照及视角变化的影响,无法准确识别人体运动轨迹的问题,通过特征匹配研究人体运动轨迹识别问题。通过背景提取与差分二级化对人体运动区域进行分割,在此基础上,把人体运动空间描述转换至人体运动关节空间坐标系。通过归一化位移向量序列标识关节活动幅度轨迹,将Fisher向量作为特征,为人体运动轨迹识别提供依据。关节活动幅度轨迹识别选用DTW(Dynamic Time Warping,动态时间归整)方法,获取参考模板与测试模板间的最小累积失真量,将测试模板归类于全部累积失真量最小的一类中,以实现对不同人体运动轨迹长度模板的匹配。结果表明:所提方法识别的人体运动轨迹和实际轨迹基本吻合,受外界环境的影响较小;所提方法与其它方法相比识别率较高,且识别时间较短。可见所提方法识别结果准确,有较强的可行性。展开更多
文摘为了解决当前人体运动识别方法受到复杂背景、可变光照及视角变化的影响,无法准确识别人体运动轨迹的问题,通过特征匹配研究人体运动轨迹识别问题。通过背景提取与差分二级化对人体运动区域进行分割,在此基础上,把人体运动空间描述转换至人体运动关节空间坐标系。通过归一化位移向量序列标识关节活动幅度轨迹,将Fisher向量作为特征,为人体运动轨迹识别提供依据。关节活动幅度轨迹识别选用DTW(Dynamic Time Warping,动态时间归整)方法,获取参考模板与测试模板间的最小累积失真量,将测试模板归类于全部累积失真量最小的一类中,以实现对不同人体运动轨迹长度模板的匹配。结果表明:所提方法识别的人体运动轨迹和实际轨迹基本吻合,受外界环境的影响较小;所提方法与其它方法相比识别率较高,且识别时间较短。可见所提方法识别结果准确,有较强的可行性。
