姿势内核学习融合决策森林在线手势识别算法

• 作者: 徐向艺 王建玺 鲁书喜
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 在线姿势识别 姿势内核学习 关节角表示 决策森林 多类SVM分类器
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 视频应用与工程
• 页码范围: 129-134,145
• 页数: 7页
• 分类号: TP391.4
• 字数: 6608字
• 语种: 中文
• DOI: 10.16280/j.videoe.2015.09.031

摘要

针对在线姿势识别中来自流行深度传感器的噪声数据影响识别鲁棒性的问题,提出了一种基于姿势内核学习融合决策森林方法.首先,将使用骨架关节角表示每种姿势;然后,利用多类SVM分类器获得姿势内核;最后,利用决策森林实时标记关键姿势序列,根据关键姿势序列完成识别.实验结果表明,本方法的识别率可高达99.3％,相比几种较为先进的识别方法,本文方法具有更好的识别鲁棒性,并且在一定程度上降低了识别所耗时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁书喜	平顶山学院软件学院	33	101	6.0	8.0
2	徐向艺	平顶山学院软件学院	44	63	5.0	6.0
3	王建玺	平顶山学院软件学院	46	111	6.0	8.0