基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法
- The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model
- 光学技术 2018年44卷第6期页码：747-756
- 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：
  
  广东省高校社会邮箱项目(2016T077)
- DOI：10.13741/j.cnki.11-1879/o4.2018.06.020
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
曾珍珍, 蔡盛腾, 吕明琪. 基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法[J]. 光学技术, 2018,44(6):747-756.

The motion recognition algorithm based on 3D trajectory analysis coupled with hidden Markov model[J]. 2018, 44(6): 747-756.
曾珍珍, 蔡盛腾, 吕明琪. 基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法[J]. 光学技术, 2018,44(6):747-756. DOI： 10.13741/j.cnki.11-1879/o4.2018.06.020.

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.

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。

浏览量

240

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于受限玻尔兹曼机与密集采样迭代加权的图像动作识别算法