基于机器学习的人体动作深度信息识别方法研究

• 作者: 孙桂煌
• 来源期刊: 长春大学学报（自然科学版）
• 学科: 工学
• 关键词: 机器学习 人体动作 深度信息识别 检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 计算机工程
• 页码范围: 16-20
• 页数: 5页
• 分类号: TP391
• 字数: 3281字
• 语种: 中文

摘要

提出了基于机器学习的人体动作深度信息识别方法,构建人体动作的三维图像采集模型,建立人体动作三维重建图像的表面结构重构模型.结合模糊度特征提取方法对人体动作三维重建图像进行多尺度分解,采用三维空间结构重组的方法进行细节特征识别,建立图像的多维分割模型.采用机器学习算法进行细节特征分类识别,建立人体动作深度信息的提取和分类模型,在机器算法下实现人体动作的深度信息检测和多维识别.仿真结果表明,该方法准确度较高,特征分辨力较好,具有很好的人体动作信息检测和辨识能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙桂煌	福州理工学院工学院	4	1	1.0	1.0