一种基于多特征多分类器融合的人体行为识别方法 |
| |
引用本文: | 陈庆峰,冯仕民,丁恩杰.一种基于多特征多分类器融合的人体行为识别方法[J].河南科技大学学报(自然科学版),2018(6). |
| |
作者姓名: | 陈庆峰 冯仕民 丁恩杰 |
| |
作者单位: | 中国矿业大学物联网(感知矿山)研究中心;中国矿业大学信息与控制工程学院 |
| |
摘 要: | 提出了一种基于多特征多分类器融合的人体行为识别方法。针对Kinect传感器提取的三维骨骼动作序列,采用身体部位的相对几何特征、关节点的相对位置特征、关节点的绝对位置特征对人体动作进行描述。将支持向量机和随机森林分类器作为成员分类器,对3种动作特征分别进行训练和测试,使用分类器融合算法对分类结果进行融合决策,实现最终的分类。在现有的人体动作数据集上进行验证,实验结果表明:本方法可取得95%的识别率。
|
本文献已被 CNKI 等数据库收录! |
|