The invention provides an action recognition method of self-adaptive mode, and the specific embodiment is as follows: Step 1: collect the human body action video, extract the position information of each frame of human body bone point, and form the whole body bone point action sequence; step 2: read the half body bone point action sequence from the whole body bone point action sequence, do data processing, and obtain the half body action attitude matrix sequence s
【技术实现步骤摘要】
一种自适应模式的动作识别方法
本专利技术属于动作识别
，涉及一种自适应模式的动作识别方法。
技术介绍
动作识别技术已广泛应用在康复训练、智能家居和体感游戏等多个方面。随着计算机视觉的高速发展，越来越多的学者致力于人体动作识别的相关研究。对于动作识别，人体动作特征的提取和表示是前提和关键，也是难点和重点。对所有动作采用单一的动作模式进行动作识别的方法，无法减少同类动作的类内可变性和不同动作间的类间相似性造成的误差，从而导致动作识别准确率较低。
技术实现思路
本专利技术的目的是提供一种自适应模式的动作识别方法，解决了现有技术中存在的作识别准确率较低的问题。本专利技术所采用的技术方案是，一种自适应模式的动作识别方法，具体包括如下步骤为：步骤1，采集人体动作视频，提取人体动作视频中每一帧人体骨骼点的位置信息，组成全身骨骼点动作序列；步骤2，从全身骨骼点动作序列中读取半身骨骼点动作序列，对半身骨骼点动作序列做数据处理，获得半身动作姿态矩阵序列Sp和半身动作符合度s1；对全身骨骼...
【技术保护点】
1.一种自适应模式的动作识别方法，其特征在于，具体包括如下步骤：/n步骤1，采集人体动作视频，提取所述人体动作视频中每一帧人体骨骼点的位置信息，组成全身骨骼点动作序列；/n步骤2，从所述全身骨骼点动作序列中读取半身骨骼点动作序列，对所述半身骨骼点动作序列做数据处理，获得半身动作姿态矩阵序列S
【技术特征摘要】
1.一种自适应模式的动作识别方法，其特征在于，具体包括如下步骤：
步骤1，采集人体动作视频，提取所述人体动作视频中每一帧人体骨骼点的位置信息，组成全身骨骼点动作序列；
步骤2，从所述全身骨骼点动作序列中读取半身骨骼点动作序列，对所述半身骨骼点动作序列做数据处理，获得半身动作姿态矩阵序列Sp和半身动作符合度s1；对所述全身骨骼点动作序列做数据处理，获得全身动作姿态矩阵序列Sh和全身动作符合度s2；
步骤3，若s1不大于s2，将Sh作为输入数据；否则将Sp作为输入数据，采用SVM支持向量机对所述输入数据进行动作识别，得到识别结果。
2.如权利要求1所述的一种自适应模式的动作识别方法，其特征在于，所述步骤1中采用使用微软Kinect2.0红外深度传感器进行人体动作视频和骨骼点的提取。
3.如权利要求1所述的一种自适应模式的动作识别方法，其特征在于，所述步骤1中的骨骼点位置为{头，颈，左肩，右肩，脊柱中心，左肘，右肘，左手，右手，左膝，右膝，左脚踝，右脚踝}，每个骨骼点的三维空间坐标信息的数据格式为(floatx,floaty,floatz)。
4.如权利要求2所述的一种自适应模式的动作识别方法，其特征在于，所述步骤2中全身动作姿态矩阵序列Sh和全身动作符合度s2按照如下步骤具体确定：
步骤2.1，根据所述全身骨骼点动作序列中每个骨骼点的旋转量GiF，GiF代表第F帧第i个骨骼点的旋转量；
步骤2.2，根据全身骨骼点动作序列计算出全身骨骼点的人体姿态矩阵RF；
步骤2.3，根据所述GiF和RF求出全身骨骼点动作序列中每一帧的动作姿态矩阵SF，所有帧的SF组成的集合{SF}即为全身动作姿态矩阵序列Sh；
步骤2.4，根据Rh和Sh通过神经网络计算得到全身动作符合度s2；
所述半身动作姿态矩阵序列Sp和半身动作符合度s1具体计算方式与步骤2.1～2.4相同，不同在于采用半身骨骼点动作序列进行计算，所述半身骨骼点动作序列为全身骨骼点动作序列中的上半身骨骼点的序列。
5.如权利要求4所述的一种自适应模式的动作识别方法，其特征在于，所述半身骨骼点动作序列为{头，颈，左肩，右肩，脊柱中心，左肘，右肘，左手，右手}，所述全身骨骼点动作序列为...
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。