基于关节点的人体动作识别及姿态分析研究中期报告

基于关节点的人体动作识别及姿态分析研究中期报告一、项目背景人体动作识别及姿态分析是计算机视觉领域的一个研究热点和难点问题之一，广泛应用于人机交互、运动医学、虚拟现实等领域。目前，采用深度学习的方法进行

基于关节点的人体动作识别及姿态分析研究中期报告 一、项目背景 人体动作识别及姿态分析是计算机视觉领域的一个研究热点和难点 问题之一，广泛应用于人机交互、运动医学、虚拟现实等领域。目前， 采用深度学习的方法进行人体动作识别已取得了不错的成果，但针对关 节点的方法仍具有优越性，因为关节点不受光照、人体姿态等因素影 响，具有更好的鲁棒性。针对这一问题，本项目将基于三维骨架关节的 动作识别方法，利用传感器采集得到的关节点数据进行人体动作识别及 姿态分析。 二、研究内容及进展 1. 建立关节点数据集 Kinect 本项目利用传感器采集了多位志愿者的骨架关节数据，在无 遮挡、无阴影、室内环境下进行采集，以确保数据的准确性和可靠性。 2. 关节点特征提取 为了从关节点数据中提取有效的特征，本项目采用了深度学习中经 CNNCNN 典的卷积神经网络（）进行特征提取。然而，由于导入的骨架 关节数据形状不规则，因此需要对骨架关节数据进行预处理，将其转化 CNN 为图像形式，以适应的输入形状要求。 3. 动作识别及姿态分析 基于关节点的动作识别主要是针对动作的分类问题。在本项目中， 我们采用了分类器进行动作分类，初步实现了基于骨架关节的手势识别 SVM 和站立、行走等动作的识别。在姿态分析部分，我们采用了分类 器，以判断人体运动时的姿态。 三、下一步工作计划 1. 继续提取更多特征，探索更好的姿态分类方法，以提高分类准确