基于深度和ＬＬＥ的人体动作趋势分析研究

2014年01月26日17:03:54 本网站我要评论(2)字号：T | T | T

关键字：计算机

刘　剑１，２，龚志恒２，吴成东１，岳　恒３，高恩阳２，４

（１．东北大学信息科学与工程学院，辽宁沈阳１１０００４；２．沈阳建筑大学信息与控制工程学院，辽宁沈阳１１０１６８；

３．东北大学自动化研究中心，辽宁沈阳１１０００４；４．中国科学院沈阳自动化研究所，辽宁沈阳１１００１６）

摘　　　要：针对传统人体动作趋势预测方法存在的不足，提出一种基于深度图像和ＬＬＥ（ＬｏｃａｌｌｙＬｉｎｅａｒＥｍｂｅｄｄｉｎｇ）相结合的人体动作分析方法。首先依据图像的颜色和深度信息，结合Ｈｏｕｇｈ森林法提取人体部位的关键点；再利用关键点的信息，将其转化为特征向量，将特征向量集合输入ＬＬＥ算法，从而建立人体动作的低维流形，并对流形数据做相关分析，根据流形中的欧式距离判断相邻动作；较后，将当前人体动作映射到低维动作流形中，预测人体的动作趋势。实验结果表明：所采用的深度图像，明显提高人体动作识别率，对于人体动作趋势的判断有非常重要的意义；所提出的方法在人体动作趋势的预测中准确率较高，具有一定的可行性。

关　键　词：ＬＬＥ；人体动作趋势；深度信息；关键点

１　引　言

人体动作的预测是计算机视觉和图像［１］处理领域中的热门问题。近年来随着图像处理技术的飞速发展，人体动作趋势的预测也受到了极大地关注。

目前，预测人体动作趋势方法的研究处于起步阶段。通常采用较邻近插值法和双线性插值法［４，５］，通过人体动作的几个过程，线性地插入人体采样点的坐标值，重构动作趋势，忽略了人体动作的随机性和非线性，造成了重构动作不准确、僵硬、边缘不平滑，甚至不符合逻辑，属于一种简单地线性外推处理方法。由于现有的方法存在许多不足与缺陷，使得解决此类问题面临着很多困难。

Ｋｉｎｅｃｔ的深度图像［２，３］可以优化动作识别效果，ＬＬＥ算法［１２１４］可以对高维数据进行降维。综合以上问题，笔者提出一种基于深度和ＬＬＥ的人体动作趋势分析方法，它不是从人体的动作过程上找寻规律，而是在ＬＬＥ的训练样本库中找寻相似的动作，以多个相似动作表征人体动作趋势，并对动作过程进行还原，有效地回避了传统插值法线性重构动作趋势的过程，对人体动作的变化有很好的鲁棒性，从而有效改进了传统算法的不足。本文通过多方面的仿真实验，对所提方法进行可行性的分析。

登录网站后可下载文件

基于深度和ＬＬＥ的人体动作趋势分析研究

相关阅读: