基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有的复杂背景下人体动作姿势训练与识别中存在识别准确率不高和实时性不强等问题,提出一种基于Kinect骨骼数据的人体动作姿势识别方法.从Kinect获取骨骼姿势特征点数据,计算姿势特征矢量;将当前的实时姿势特征矢量与预设的标准姿势特征矢量进行匹配比较,实时反馈两者姿势的匹配度,达到姿势识别的目的.实验结果表明,该方法能有效地进行人体动作姿势的匹配识别,识别准确率较高、实时性较强,具有良好的可扩展性.
推荐文章
基于角度序列特征的人体动作识别方法
动作识别
Kinect传感器
动态时间规整
DTW
角度序列
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于时空图像分割和交互区域检测的人体动作识别方法
人体动作识别
时空图像分割
交互区域
局部约束线性编码
支持向量机
关节点时空信息融合降维的人体动作识别方法
卷积神经网络
高分辨率网络
人体动作识别
KTH数据集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Kinect骨骼数据的人体动作姿势识别方法
来源期刊 计算机工程与设计 学科 工学
关键词 Kinect 姿势识别 模版匹配 骨骼数据 特征矢量
年,卷(期) 2016,(4) 所属期刊栏目 多媒体技术
研究方向 页码范围 969-975
页数 7页 分类号 TP391.41
字数 5462字 语种 中文
DOI 10.16208/j.issn1000-7024.2014.04.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李红波 重庆邮电大学计算机科学与技术学院 38 333 11.0 17.0
2 孙舶源 重庆邮电大学计算机科学与技术学院 2 25 1.0 2.0
3 李双生 重庆邮电大学计算机科学与技术学院 2 25 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (90)
参考文献  (7)
节点文献
引证文献  (24)
同被引文献  (99)
二级引证文献  (43)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(9)
  • 参考文献(3)
  • 二级参考文献(6)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(3)
  • 二级引证文献(1)
2018(16)
  • 引证文献(6)
  • 二级引证文献(10)
2019(29)
  • 引证文献(9)
  • 二级引证文献(20)
2020(17)
  • 引证文献(5)
  • 二级引证文献(12)
研究主题发展历程
节点文献
Kinect
姿势识别
模版匹配
骨骼数据
特征矢量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与设计
月刊
1000-7024
11-1775/TP
大16开
北京142信箱37分箱
82-425
1980
chi
出版文献量(篇)
18818
总下载数(次)
45
总被引数(次)
161677
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导