基于人体关节点的高效动作识别算法

为保证视频应用中人体检测和动作识别的效率,提出一种结合传统动作识别方法和深度学习方法的高效高精度识别算法。对视频帧序列进行灰度化和Sobel算子处理,在此基础上,采用级联支持向量机无缝得到局部二值模式描述子,快速检测出人体区域。借助OpenPose得到人体区域中关节点的二维坐标构建骨架模型,提取基于关节向量的多种动作时空特征,采用kNN模型进行动作分类。经过MIT及Weizmann数据库实验,其结果表明,提出算法比传统方式快16倍且人体动作识别算法取得了88.93%的识别率,验证了该算法的高效性与准确性。

关节动画的曲线逆向运动学算法

针对末端效应器沿指定曲线运动时的逆向运动学(IK)求解提出了一种二阶数值方法,用末端效应器运动曲线的参数对关节角度运动曲线进行参数化,建立两条曲线之间的直接联系.利用关节角度向量的二阶泰勒展开递推求解末端效应器沿曲线运动时关节角度向量的变化.本方法在计算时引入了末端效应器运动曲线的微分几何属性,因此称为曲线逆向运动学.与传统的一阶类牛顿方法相比,曲线逆向运动学算法精度高,步长可控.对于逆向运动学控制中存在的奇异位形和冗余自由度,现有的算法对曲线逆向运动学算法同样有效,不需要重新设计算法.