基于kinect三维骨骼节点的动作识别方法

近年来,基于人体动作识别的应用场景越来越广泛。为了更好的识别效果,提出了一种基于人体三维骨骼节点的动作识别方法。用Kinect等设备获取人体骨骼关节点三维数据信息,以人体臀部为原点重新建立人体坐标系;提取人体关键骨骼的数据信息,定义人体动作特征向量;根据动作表达式用行为树构造动作序列,实现识别。通过对5种定义的动作与其他算法做比较实验,表明提出的方法识别率较高,推广性较强。

基于关键帧和骨骼信息的人体动作识别方法

提出了一种基于关键帧和骨骼信息的动作识别新方法。通过深度传感器Kinect v2实时获取人体各骨骼点信息,通过采用加权K-means算法提取动作视频中的关键帧。通过每个关键帧中25个骨骼点的三维坐标值,计算出关节角度和向量模比值两种特征量,通过优化后的动态时间规整(DTW)算法计算关键帧序列与模板库中动作模板的相似度,从而识别人体的实时动作。通过对6种常见动作的识别实验对比,结果表明:所提方法在识别速度和准确率上较高,具有实际推广性。

一种改进的自适应步长的萤火虫算法

提出一种预防萤火虫失活的自适应步长的萤火虫算法(PA-GSO).第一,步长采用非线性递减方式,初期步长较大移动速度快,后期步长逐渐减少至固定的较小值,实现了算法精度和速度的平衡.第二,为了应对萤火虫的邻居集合为空集时可能丧失移动能力的现象,采用了预防萤火虫失活机制优化萤火虫运动.通过实验对比GSO,A-GSO和CSGSO算法,各方面指标验证了PA-GSO算法在寻优精度、收敛速度和稳定性等方面的提升.