一种基于多特征多分类器融合的人体行为识别方法

• 作者: 丁恩杰 冯仕民 陈庆峰
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 行为识别 Kinect传感器 多特征 多分类器 分类器融合
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 电工电信、自动化与计算机
• 页码范围: 45-49
• 页数: 5页
• 分类号: TP391
• 字数: 3765字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2018.06.009

摘要

提出了一种基于多特征多分类器融合的人体行为识别方法.针对Kinect传感器提取的三维骨骼动作序列,采用身体部位的相对几何特征、关节点的相对位置特征、关节点的绝对位置特征对人体动作进行描述.将支持向量机和随机森林分类器作为成员分类器,对3种动作特征分别进行训练和测试,使用分类器融合算法对分类结果进行融合决策,实现最终的分类.在现有的人体动作数据集上进行验证,实验结果表明:本方法可取得95％的识别率.