基于三维骨骼节点的人体行为识别方法

• 作者: 丁恩杰 冯仕民 杨赛烽 陈庆峰 高彬
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 人体行为识别 Kinect 关节点信息 Spark 随机森林
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 1834-1841
• 页数: 8页
• 分类号: TP311
• 字数: 5900字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2018.012.010

摘要

针对传统行为识别方法存在的数据存储空间不足、识别效率不高以及扩展性不强等问题,在利用空间中人体关节点数据进行人体行为表示的基础上,通过自建行为数据集结合Spark MLlib算法库的随机森林算法对行为识别进行建模.为了提升识别模型的泛化能力,利用Spark平台下算法的并行且快速迭代的特性,提出了一种多重随机森林的加权大数投票算法.实验结果表明,随着基分类器个数的增加,行为分类准确率显著增高,基分类器个数在5个以后行为识别准确率趋于稳定且高达95％以上.在MSR Daily 3D与MSRC-12数据集上也验证本文行为识别方法的有效性.