基于人体行为3D模型的2D行为识别

• 作者: 丁晓青 王生进 谷军霞
• 来源期刊: 自动化学报
• 关键词: 行为识别 3D模型 基于范例的隐马尔可夫模型 置信加权
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 论文与报告
• 页码范围: 46-53
• 页数: 8页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2010.00046

摘要

针对行为识别中行为者朝向变化带来的问题,提出了一种基于人体行为3D模型的2D行为识别算法.在学习行为分类器时,以3D占据网格表示行为样本,提取人体3D关节点作为描述行为的特征,为每一类行为训练一个基于范例的隐马尔可夫模型(Exemplar-based hidden Markov model,EHMM),同时从3D行为样本中选取若干帧作为3D关键姿势集,这个集合是连接2D观测样本和人体3D关节点特征的桥梁.在识别2D行为时,2D观测样本序列可以由一个或多个非标定的摄像机采集.首先在3D关键姿势集中为每一帧2D观测样本寻找与之最匹配的3D关键姿势帧,之后由行为分类器对2D观测样本序列对应的3D关键姿势序列进行识别.该算法在训练行为分类器时要进行行为者的3D重构和人体3D关节点的提取,而在识别2D行为时不再需要进行3D重构.通过在3个数据库上的实验,证明该算法可以有效识别行为者在任意朝向下的行为,并可以适应不同的行为采集环境.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁晓青		86	2062	24.0	44.0
2	王生进		32	235	6.0	15.0
3	谷军霞		5	140	2.0	5.0