基于RGB-D图像特征的人体行为识别

作     者：唐超 王文剑 张琛 彭华 李伟 TANG Chao;WANG Wenjian;ZHANG Chen;PENG Hua;LI Wei

作者机构：合肥学院人工智能与大数据学院合肥230601 山西大学计算机与信息技术学院太原030006 绍兴文理学院计算机科学与工程系绍兴312000 厦门理工学院计算机与信息工程学院厦门361024 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2019年第32卷第10期

页      面：901-908页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61673249,61806068,61662025) 安徽高校优秀拔尖人才培育项目(No.gxfx2017099) 福建省出国留学奖学金项目 厦门市科技规划指导项目(No.3502Z20179038) 合肥学院教学研究重点项目(No.018hfjyxm09)资助 

主　　题：人体动作识别 RGB-深度 多学习器 多模态特征 最近邻分类器 

摘      要：针对现有的多模态特征融合方法不能有效度量不同特征的贡献度的问题,文中提出基于RGB-深度(RGB-D)图像特征的人体动作识别方法.首先获取基于RGB模态信息的方向梯度直方图特征、基于深度图像模态信息的时空兴趣点特征和基于关节模态信息的人体关节点位置特征,分别表征人体动作.采用不同距离度量公式的最近邻分类器对这3种不同模态特征表示的预测样本进行集成决策分类.在公开数据集上的实验表明,文中方法具有简单、快速,高效的特点.