摘要：目的使用运动历史点云(MHPC)进行人体行为识别的方法,由于点云数据量大,在提取特征时运算复杂度很高。而使用深度运动图(DMM)进行人体行为识别的方法,提取特征简单,但是包含的动作信息不全面,限制了人体行为识别精度的上限。针对上述问题,提出了一种多视角深度运动图的人体行为识别算法。方法首先采用深度图序列生成MHPC对动作进行表示,接着将MHPC旋转特定角度补充更多视角下的动作信息;然后将原始和旋转后MHPC投影到笛卡儿坐标平面,生成多视角深度运动图,并对其提取方向梯度直方图,采用串联融合生成特征向量;最后使用支持向量机对特征向量进行分类识别,在MSR Action3D和自建数据库上对算法进行验证。结果 MSR Action3D数据库有2种实验设置,采用实验设置1时,算法识别率为96. 8%,比APS_PHOG(axonometric projections and PHOG feature)算法高2. 5%,比DMM算法高1. 9%,比DMM_CRC(depth motion maps and collaborative representation classifier)算法高1. 1%。采用实验设置2时,算法识别率为93. 82%,比DMM算法高5. 09%,比HON4D(histogram of oriented 4D surface normal)算法高4. 93%。在自建数据库上该算法识别率达到97. 98%,比MHPC算法高3. 98%。结论实验结果表明,多视角深度运动图不但解决了MHPC提取特征复杂的问题,而且使DMM包含了更多视角下的动作信息,有效提高了人体行为识别的精度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社