基于运动姿态描述子特征和词袋模型的行为识别

人体行为识别一直都是计算机视觉的研究热点,特别是随着微软Kinect传感器的出现,使得获取人体骨架信息更为便利。为了在骨架模型的基础上获得好的识别精度,基于三维的骨架序列信息,运用词袋模型和运动姿态描述子,结合改进的硬向量编码和K-均值聚类方法,在线性分类器软件包Liblinear上进行分类。为了验证所提出方法的有效性,在三维人体骨架序列行为数据集MSR Action3D上进行了实验。结果表明,与传统的人体行为识别算法相比具有更好的分类精度。