【技术实现步骤摘要】
基于SVM的实时肢体动作识别方法
本专利技术涉及一种动态肢体动作识别技术,特别是一种基于SVM的实时肢体动作识别方法。
技术介绍
近年来手势识别在许多领域得到了应用,特别是在人机交互领域。与键盘和鼠标相比,身体姿势被认为是更为自然和灵活的输入。按照获取手势信息的途径不同,手势识别可以分为两种,一种是基于非视觉的识别,如数据手套,另一种是基于视觉的识别。最近越来越多的研究集中在基于视觉的手势识别上,一方面对于用户来说更加舒适,另一方面基于视觉的手势识别具有更好的辨识度。随着Kinect传感器的的问世,动静态深度图像识别使的视觉识别在人机交互领域扮演着越来越重要的角色。实时肢体动作的识别,在手势识别的基础上具有更高层次的应用,通过对用户多种肢体动作,如抬手、挥臂等肢体动作的识别,解决了之前局限的动静态手势识别问题,将手势延伸到肢体动作,对人机交互领域具有重大意义,可应用于多种场景。
技术实现思路
本专利技术的目的在于提供一种基于SVM的实时肢体动作识别方法,可以识别肢体动作。实现本专利技术目的的技术方案为:一种基于SVM的实时肢体动作识别方法,包括以下步骤:获取用户深度图像;获取深度图像三维坐标生成关节坐标模型;获取相邻两帧的每一关节角的差值作为动作特征;采用支持向量机模型训练算法,将动作特征进行测试分类并输出标签;利用向量机模型识别肢体动作。本专利技术与现有技术相比,具有以下优点:(1)相比于传统离线识别,本方法通过对用户的肢体动作进行实时在线检测,输出识别结果并及时响应用户需求,实现更为自然的人机交互方式;(2)基于SVM分类判定后输出识别结果及时响应用户需求 ...
【技术保护点】
1.一种基于SVM的实时肢体动作识别方法,其特征在于,包括以下步骤:获取用户深度图像;获取深度图像中三维坐标生成关节坐标模型;获取相邻两帧的每一关节角的差值作为动作特征;采用支持向量机模型训练算法,将动作特征进行测试分类并输出标签;利用向量机模型识别肢体动作。
【技术特征摘要】
1.一种基于SVM的实时肢体动作识别方法,其特征在于,包括以下步骤:获取用户深度图像;获取深度图像中三维坐标生成关节坐标模型;获取相邻两帧的每一关节角的差值作为动作特征;采用支持向量机模型训练算法,将动作特征进行测试分类并输出标签;利用向量机模型识别肢体动作。2.根据权利要求1所述的方法,其特征在于,通过式(1)获取深度图像的三维坐标(u,v,x)其中,dI(x)是深度图像I中像...
【专利技术属性】
技术研发人员:叶子杰,孙瑜,吴海涛,熊浩,董英杰,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。