基于骨骼定位的人體動(dòng)作識(shí)別算法研究與實(shí)現(xiàn).pdf

1、作為一種重要的信息傳遞方式，人體動(dòng)作識(shí)別具有重要的理論研究?jī)r(jià)值，在智能家居、智能監(jiān)控、視頻游戲等領(lǐng)域有著廣闊的應(yīng)用前景。尤其是在更貼近日常生活的智能家居中，每個(gè)人都希望能夠更加直觀的操作家電，這種交互實(shí)現(xiàn)的前提就是計(jì)算機(jī)要能夠通過(guò)觀察動(dòng)作理解人的意圖。最初，動(dòng)作識(shí)別技術(shù)的研究基于二維圖像展開(kāi)，但是由于二維圖像缺少了一維距離信息，使得特征提取和表示受到很大的局限性，很難從中挖掘出更多的細(xì)節(jié)信息。所以有人基于二維圖像進(jìn)行三維重建，然而三維建

2、模過(guò)程十分復(fù)雜。隨著深度傳感器的出現(xiàn)，結(jié)合深度圖像和普通光學(xué)圖像可以方便的獲取三維場(chǎng)景信息，且避免了三維重構(gòu)的復(fù)雜?；谏鲜龇治觯菊n題使用微軟提供的Kinect深度傳感器，在其骨骼定位功能的基礎(chǔ)上，設(shè)計(jì)適用于家居中的人機(jī)交互動(dòng)作，對(duì)識(shí)別算法進(jìn)行研究并實(shí)現(xiàn)。
　　本文在了解Kinect SDK功能的基礎(chǔ)上，重點(diǎn)研究其骨骼跟蹤功能，利用API獲取關(guān)節(jié)點(diǎn)三維數(shù)據(jù)并構(gòu)建了人體骨架模型，這是后續(xù)研究的基礎(chǔ)?；诠羌軜?gòu)建用于描述人體運(yùn)動(dòng)的特

3、征模型是識(shí)別的關(guān)鍵步驟，所以本文針對(duì)人體結(jié)構(gòu)特點(diǎn)構(gòu)建特征向量，使用特征向量夾角和模比值的組合構(gòu)建特征模型描述人體運(yùn)動(dòng)中的角度和相對(duì)位置變化，并使用數(shù)據(jù)集對(duì)特征模型的區(qū)分度和聚集性進(jìn)行了驗(yàn)證。對(duì)于動(dòng)作識(shí)別算法的研究是本文的重點(diǎn)。本文根據(jù)特征模型的特點(diǎn)選取了支持向量機(jī)（Support Vector Machine,SVM）算法用于動(dòng)作識(shí)別。在對(duì)SVM原理了解的基礎(chǔ)上設(shè)計(jì)識(shí)別流程，對(duì)其中的參數(shù)優(yōu)化方法進(jìn)行了仿真和比較，對(duì)比分析得出基于遺傳算法