摘要
针对人体动作识别过程中存在的效率及准确率问题,提出了一种基于混合贝叶斯网络模型的人体动作识别方法。通过Kinect采集人体动作RGB-D信息,采用OpenNi提取关节点信息并计算躯干角度,使用后验概率动态调整SVM分类器和朴素贝叶斯分类器权重,能够识别多种不同动作,使两个分类器互为补充,增加识别率。最后通过与单分类器的对比试验,验证了该算法具有更高的效率和识别率。
In order to identify the human activity,this paper adopts the Dynamic Bayesian Mixture Model(DBMM).The approach connects the human activity RGB-D information by Kinect,extracts the joint point information and calculates the torso angle as classification characteristics.Through adjusting the weights of SVM and NBC classifier,it shows better results.At last,the better feasibility and superiority has been verified by the contrast test.
出处
《工业控制计算机》
2020年第3期12-14,共3页
Industrial Control Computer
基金
国家国家自然科学基金(61573101,61573100)。
