论文总字数：18902字

摘 要

人体动作识别具有巨大的研究价值，其广泛应用于智能监控、人机交互、医学研究、虚拟现实等领域，近十几年来，这个课题的研究一直都比较热门并且已取得了相当多的研究成果，但它涉及人体运动学、人工智能、图像处理等多个学科的知识，目前仍存在许多挑战。

动作识别的主要步骤分别是目标检测、人体跟踪、特征提取、分类检测。目标检测和人体跟踪是基础，特征提取是关键，分类检测是目的。论文以kinect为核心，作为目标检测和人体跟踪。将人体上肢的角度和模值比作为特征值，将8个角度和4个模值比共12个特征值合并成特征向量。分类器选择的是SVM（支持向量机）。识别的准确率在98.5714%。然后单独将8个模值比作为特征值，识别率只能达到95.73%。然后进行单独的模值比进行比较，实验准确率42.857%。说明选取角度和模值比的组合特征值远比单独的角度和单独的模值比识别率更好。

关键词：动作识别；Kinect；SVM；识别率

The Kinect is based on simple motion recognition

ABTRACT

The application of human action recognition is mainly used in many aspects, such as public places, hospitals, security; which gesture recognition is a more popular topic. Gesture recognition in the smart home, education and learning, the exchange of obstacles and so on. Over the past decade, the subject of research has been relatively popular and have achieved considerable research results.

The main steps of action recognition are target detection, human tracking, feature extraction, classification detection. Detecting Target and tracking human is the foundation, extracting feature is the key, testing classification is the purpose. The paper takes kinect as the core. Detecting target and tracking human by Kinect. The angle and modulus ratio of the upper limb of the human body are taken as eigenvalues, and the eight angles and four modulo values are combined into 12 eigenvalues into eigenvectors. The classifier selects SVM (support vector machine). Respectively, the accuracy of identification in 98.5714%. when select the 8 modulus value as a characteristic value, Ifound that the recognition rate can only reach 95.73%. Then compared with a separate modulus value, the experimental accuracy rate of 42.857%. It is shown that the combined eigenvalues of the selected angle and the modulus ratio are far better than the individual angles and the individual modulus ratios.

Keywords : action recognition;kinect ;SVM ;classifaction ratio

目录

摘要

ABTRACT

第一章 绪论

1.1 人体动作识别研究现状

1.2 国内外研究现状

1.3 章节安排

第二章 硬件平台介绍

2.1 Kinect硬件介绍

2.2 Kinect SDK介绍

2.3 Kinect获取彩色图像

2.4 Kinect获取深度图像

2.5 骨骼图像的获取

第三章 特征提取

3.1 特征提取过程

3.1.1 构造特征向量

3.1.2 特征选择

第四章 SVM算法介绍

4.1 线性向量机

4.2 非线性向量机

4.2.1 松弛变量

4.2.2 惩罚因子

4.2.3 SVM多分类介绍

4.3 惩罚因子和核函数的选择

第五章 系统设计与算法测试

5.1 数据采集

5.1.2数据分析

5.2 实验

5.3 实验结果

5.3.1 实验1

5.3.2 实验2

5.3.3 实验3

5.4 分析实验

5.5 实验的优点

第六章结论与展望

6.1 结论

6.2 展望

参考文献

第一章 绪论

当今世界，随着机器人的发展，可以通过人的动作控制机器人，这中间就需要借助Kinect。比如日本的核泄漏灾难，很多场合存在风险系数等级很高，利用类人机器人进入作业区，代替人类完成一些工作，类人机器人是通过操作人员的动作进行工作。将Kinect安装在四旋翼上，相当于飞行器有了眼睛。将图像发送给控制器，控制器根据前面的图像做出判断，可以避开障碍物。此外，还可以利用Kinect实现虚拟试衣，消费者根据需求选择合适的衣服，不需要脱掉衣服，就能见到3D效果，还可以利用Kinect通过手势选择各款衣服，搭配鞋帽等。还可以把Kinect应用在教学上，这种新颖的交互方式，能够激发学习兴趣，还可以让涉及立体架构的图形呈现，展现立体美感。在家用上，kinect将视频通过WiFi传输给房主的手机，实现实时监控，防止陌生人的进入。聋哑人将他们的语音和手语通过kinect传送给电脑，电脑屏幕显示文本和发出声音，实现正常的交流。在美国出现了 Kinect 电子导购系统，不仅节省了时间而且方便了人们购买欲望，增加商家的利润。还有利用Kinect管理自己的银行账户，利用手势识别来控制页面的滑动。在早老年人监护中应用，通过检测老年人的步伐数据包括步行速度、步长、走路时间，预测老年人的身体健康水平。也有艺术家利用3D摄像机来弹奏吉他，结果不尽人意，运用kinect进行表演之后，拨弦的准确度提升很多。实际上，通过kinect 的深度图像数据以及骨骼跟踪功能，对双手关节点的相对位置、角度以及拨动“空气琴弦”那只手的运动速度进行实时跟踪，在空气中将琴弦划分若干区域。

所以，人体动作识别研究具有重大的意义。

请支付后下载全文，论文总字数：18902字