The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model

doi:10.13741/j.cnki.11-1879/o4.2018.06.020

您当前的位置：

首页 >

文章列表页 >

The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model

更新时间：2025-09-01

- The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model
- Vol. 44, Issue 6, Pages: 747-756(2018)
- 作者机构：
  
  1. 1:广东科学技术职业学院计算机工程技术学院
  2. 2:东莞理工学院机械工程学院
  3. 3:杭州师范大学信息科学与工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2018.06.020
  CLC：
- Published：2018
- 稿件说明：
移动端阅览
The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model[J]. 2018, 44(6): 747-756.
DOI：

The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model[J]. 2018, 44(6): 747-756. DOI： 10.13741/j.cnki.11-1879/o4.2018.06.020.

摘要

针对当前动作识别技术中通常忽略上下文信息

且其局部形状描述对噪声敏感

难以有效处理运动模式的类内变化等不足

提出一种3D运动轨迹解析耦合隐马尔可夫模型的动作识别算法。定义四种轨迹基元(直线、平面圆弧、左螺旋线与右螺旋线)

采用基于Kalman的线性平滑器来降低干扰信息与异常值

将3D轨迹分解和解析成不同的轨迹基元

充分减少干扰信息对轨迹数据的影响

同时保持形状和运动特性。为了避免丢失详细的局部形状信息

设计一种形状描述符

将轨迹基元进一步分割成子基元

将每个运动轨迹表示为子基元的时间序列。引入隐马尔可夫模型

根据运动数据的先验知识来模拟运动分类

基于最大后验概率准则来进行运动识别。实验结果表明:与当前流行的动作识别算法比较

所提算法能有效识别各种动作类别

对尺度变化

以及局部噪声和局部遮挡具有更高的识别精度。

Abstract

关键词

Keywords

references

Views

240

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

The movement identification algorithm based on restricted boltzmann machine and dense trajectory feature iterative weighting

Related Author

潘强

印鉴

Related Institution

1:珠海城市职业技术学院

2:中山大学数据科学与计算机学院

⁰