基于单样本学习的多特征人体姿态模型识别研究

• 作者: 李国友 李晨光 王维江 杨梦琪 杭丙鹏
• 来源期刊: 光电工程
• 关键词: 姿态模型 骨骼数据 单样本学习 模型匹配 KinectV2
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 科研论文|Article
• 页码范围: 31-40
• 页数: 10页
• 分类号: TP391.4|TP181
• 语种: 中文
• DOI: 10.12086/oee.2021.200099

摘要

随着人机交互、虚拟现实等相关领域的发展,人体姿态识别已经成为热门研究课题.由于人体属于非刚性模型,具有时变性的特点,导致识别的准确性和鲁棒性不理想.本文基于KinectV2体感摄像头采集的骨骼信息,结合人体角度和距离特征,提出了一种基于单样本学习的模型匹配方法.首先,通过对采集的骨骼信息进行特征提取,计算关节点向量夹角和关节点的位移并设定阈值,其次待测姿态与模板姿态进行匹配计算,满足阈值限定范围则识别成功.实验结果表明,该方法能够实时的检测和识别阈值限定范围内定义的人体姿态,提高了识别的准确性和鲁棒性.