针对传统人体动作趋势预测方法存在的不足,提出一种基于深度图像和LLE(Locally Linear Embedding)相结合的人体动作分析方法。首先依据图像的颜色和深度信息,结合Hough森林法提取人体部位的关键点;再利用关键点的信息,将其转化为特征向...针对传统人体动作趋势预测方法存在的不足,提出一种基于深度图像和LLE(Locally Linear Embedding)相结合的人体动作分析方法。首先依据图像的颜色和深度信息,结合Hough森林法提取人体部位的关键点;再利用关键点的信息,将其转化为特征向量,将特征向量集合输入LLE算法,从而建立人体动作的低维流形,并对流形数据做相关分析,根据流形中的欧式距离判断相邻动作;最后,将当前人体动作映射到低维动作流形中,预测人体的动作趋势。实验结果表明:所采用的深度图像,明显提高人体动作识别率,对于人体动作趋势的判断有非常重要的意义;所提出的方法在人体动作趋势的预测中准确率较高,具有一定的可行性。展开更多
文摘针对传统人体动作趋势预测方法存在的不足,提出一种基于深度图像和LLE(Locally Linear Embedding)相结合的人体动作分析方法。首先依据图像的颜色和深度信息,结合Hough森林法提取人体部位的关键点;再利用关键点的信息,将其转化为特征向量,将特征向量集合输入LLE算法,从而建立人体动作的低维流形,并对流形数据做相关分析,根据流形中的欧式距离判断相邻动作;最后,将当前人体动作映射到低维动作流形中,预测人体的动作趋势。实验结果表明:所采用的深度图像,明显提高人体动作识别率,对于人体动作趋势的判断有非常重要的意义;所提出的方法在人体动作趋势的预测中准确率较高,具有一定的可行性。
