-
公开(公告)号：CN110070068B
公开(公告)日：2021-03-02
申请号：CN201910361909.2
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种人体动作识别方法，包括对人体骨骼关节点的三维坐标数据进行特征提取；将所有的特征向量分到与之最近的聚类中心形成各个簇；计算各个簇的多元高斯分布函数的参数，得到各个簇的多元高斯分布概率密度函数；计算每一特征向量在各个簇的多元高斯概率密度值，重新分配至概率密度最大的簇中；更新高斯分布参数，重新分配各特征向量，直到每个特征向量的分配不再改变；计算各个动作类型对每个簇的隶属度，得到对所有簇的隶属度向量，对每个簇的隶属度向量进行加权；将动作样本每一帧的特征向量分到最近的若干个簇中，对加权隶属度向量加权求和，作为该帧的得分向量；对动作样本所有帧的得分向量求和，判断该动作属于得分最高的动作类型。
-
公开(公告)号：CN110070068A
公开(公告)日：2019-07-30
申请号：CN201910361909.2
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种人体动作识别方法，包括对人体骨骼关节点的三维坐标数据进行特征提取；将所有的特征向量分到与之最近的聚类中心形成各个簇；计算各个簇的多元高斯分布函数的参数，得到各个簇的多元高斯分布概率密度函数；计算每一特征向量在各个簇的多元高斯概率密度值，重新分配至概率密度最大的簇中；更新高斯分布参数，重新分配各特征向量，直到每个特征向量的分配不再改变；计算各个动作类型对每个簇的隶属度，得到对所有簇的隶属度向量，对每个簇的隶属度向量进行加权；将动作样本每一帧的特征向量分到最近的若干个簇中，对加权隶属度向量加权求和，作为该帧的得分向量；对动作样本所有帧的得分向量求和，判断该动作属于得分最高的动作类型。
-
公开(公告)号：CN110097008B
公开(公告)日：2021-02-19
申请号：CN201910363482.X
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括正则化坐标系，对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；计算测试动作样本与每个参考动作样本的匹配代价，找出与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。
-
公开(公告)号：CN110097008A
公开(公告)日：2019-08-06
申请号：CN201910363482.X
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括正则化坐标系，对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；计算测试动作样本与每个参考动作样本的匹配代价，找出与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。
-
-
-
Search Results
4
records
(took 0.015 seconds)
