权重融合深度图像与骨骼关键帧的行为识别

摘要：

针对 2D 信息量不足导致人体行为识别率不高的问题, 提出融合多种深度信息的行为识别方法. 首先利用深度图像捕捉行为线索, 提取梯度及相关方向特征; 然后利用互信息提取骨骼图的关键帧, 提出基于关键帧的静态姿态模型、当前运动模型和动态偏移模型表征人体行为底层特征; 最后通过权重投票机制为不同种类特征分配权重,实现多类特征下的多权重融合. 在MSR_Action3D 深度数据集上的实验结果表明, 该方法的识别率比其他方法提高1.5%.

关键词：深度图像、骨骼图像、行为识别、互信息、权重投票

所属期刊栏目：30

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61063021;江苏省产学研前瞻性联合研究项目BY2015027-12

在线出版日期：2018-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1313-1320