基于深度序列的时空金字塔的动作识别

提出一种高效的人体动作识别方法。通过帧间差分法将深度序列的三视图转化为深度运动轮廓序列(DMOS),然后利用时空金字塔对DMOS进行时间维和空间维细分,将细分后得到的空间网格的局部方向梯度直方图(HOG)进行特征融合,并使用线性SVM分类。最后采用MSR Action 3D数据集对提出的算法在不同时空金字塔参数下的识别率和处理速度进行了评估,结果表明该方法在同类算法中具有更高的识别率。

一种基于深度图去噪与时空特征提取的动作识别方法

基于深度图的动作识别是近几年备受关注的研究方向,而深度图上的背景区域对前景目标带来很严重的干扰,大大降低了动作识别的性能。因此提出了一种新颖的基于深度图去噪和时空特征提取的动作识别方法,首先使用CNN方法进行图像的背景去除,再经过高斯滤波方法获得优质的前景目标,之后生成深度信息的三视图,分别对三视图进行时间金字塔与空间方格的分割,最后通过HOG提取特征和SVM分类进行动作识别。通过对大量的数据进行实验的结果表明,此方法相比较于当今优秀的算法获得了更好的效果。