资料下载
×
基于耦合多隐马尔可夫模型人体动作识别
消耗积分:1 |
格式:rar |
大小:0.59 MB |
2018-03-29
分享资料个
为解决使用RGB图像进行特征提取时容易受外界因素干扰，且计算复杂度高等问题，采用一种更加有效的解决方案，即使用深度数据进行人体动作识别。利用Kinect采集的关节点数据，首先将人体关节划分成五个区域，对每个区域的向量夹角离散化从而描述不同的状态，再通过Baum-Welch算法学习出各区域的多隐马尔可夫模型（ multi-HMM），并使用前向算法建立生成区域与动作类别概率矩阵。在此基础上，对区域及动作类别进行内耦合和间耦合分析，从而表达各关节点之间的交互关系。最后使用基于耦合的K最邻近（ KNN）算法完成整体的动作识别。通过实验测试对五种动作的识别率均达到90qo以上，并与3D Trajectories等方法进行对比，实验得到的综合识别率高于对比方法，具有明显的优势。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
