基于机器学习的人体动作深度信息识别方法研究 |
| |
引用本文: | 孙桂煌.基于机器学习的人体动作深度信息识别方法研究[J].佳木斯大学学报,2020,38(1):37-40. |
| |
作者姓名: | 孙桂煌 |
| |
作者单位: | 福州理工学院,福建 福州350506 |
| |
摘 要: | 为了实现人体动作的准确检测识别,提出基于机器学习的人体动作深度信息识别方法,构建人体动作的三维图像采集模型,建立人体动作三维重建图像的表面结构重构模型,结合模糊度特征提取方法对人体动作三维重建图像进行多尺度分解,采用三维空间结构重组的方法进行人体动作细节特征识别,建立人体动作图像的多维分割模型;采用机器学习算法进行人体动作的细节特征分类识别,建立人体动作深度信息的提取和分类模型,在机器算法下实现人体动作的深度信息检测和多维识别。仿真结果表明,采用该方法进行人体动作深度信息识别的准确度较高,特征分辨力较好,具有很好的人体动作信息检测和辨识能力。
|
关 键 词: | 机器学习 人体动作 深度信息识别 检测 |
本文献已被 CNKI 万方数据 等数据库收录! |
|