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:
人体行为识别在视觉领域的广泛应用使得它在过去的几十年里一直都是备受关注的研究热点.近些年来,深度传感器的普及以及基于深度图像实时骨架估测算法的提出,使得基于骨架序列的人体行为识别研究越来越吸引人们的注意.已有的研究工作大部分提取帧内骨架不同关节点的空间域信息和帧间骨架关节点的时间域信息来表征行为序列,但没有考虑到不同关节点和姿态对判定行为类别所起作用是不同的.因此本文提出了一种基于时空权重姿态运动特征的行为识别方法,采用双线性分类器迭代计算得到关节点和静止姿态相对于该类别动作的权重,确定那些信息量大的关节点和姿态;同时,为了对行为特征进行更好的时序分析,本文引入了动态时间规整和傅里叶时间金字塔算法进行时序建模,最后采用支持向量机完成行为分类.在多个数据集上的实验结果表明,该方法与其它一些方法相比,表现出了相当大的竞争力,甚至更好的识别效果.
推荐文章
基于时空兴趣点的人体行为识别
行为识别
特征提取
时空兴趣点
隐马尔可夫模型
平均 Hausdorff 距离
基于分层运动姿态协方差的人体动作识别
人体动作识别
运动姿态向量
协方差
分层
基于LBP特征的人体行为识别算法研究
行为识别
深度图像
LBP特征
支持向量机
基于多传感器数据融合的人体运动模式识别研究
运动模式识别
卡尔曼滤波
数据融合
姿态检测
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 基于时空权重姿态运动特征的人体骨架行为识别研究
来源期刊 计算机学报 学科 工学
关键词 行为识别 特征表示 骨架序列 线性分类器 时序模型
年,卷(期) 2020,(1) 所属期刊栏目 智能图像处理
研究方向 页码范围 29-40
页数 12页 分类号 TP391
字数 10017字 语种 中文
DOI 10.11897/SP.J.1016.2020.00029
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 李光 西安电子科技大学计算机学院 3 9 1.0 3.0
2 丁重阳 西安电子科技大学计算机学院 1 0 0.0 0.0
3 刘凯 1 0 0.0 0.0
4 闫林 1 0 0.0 0.0
5 陈博洋 西安电子科技大学计算机学院 1 0 0.0 0.0
6 钟育民 西安电子科技大学计算机学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
行为识别
特征表示
骨架序列
线性分类器
时序模型
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
计算机学报
月刊
0254-4164
11-1826/TP
大16开
中国科学院计算技术研究所(北京2704信箱)
2-833
1978
chi
出版文献量(篇)
5154
总下载数(次)
49
论文1v1指导