基于关键姿势和原子运动的人类动作识别方法

简介：
本研究提出了一种创新的动作识别方法，通过分析人类行为中的关键姿势与原子级别运动变化，显著提升了复杂场景下的动作分类精度。 人类动作识别技术是智能个人辅助机器人领域的基础技能之一，它使机器人能够观察并自动响应人的日常活动。2015年发表在IEEE机器人与仿生学会议上的这篇研究论文探讨了基于关键姿势和原子运动的人类动作识别算法。 该论文认为，人类的活动通常可以被直观地看作是由一系列的关键姿势和原子运动组成的序列。其中，关键姿势指的是人体关节在一个特定时刻的空间姿态；而原子运动则是指从一个关键姿势转换到另一个关键姿势的动作过程。 为了实现这一目标，研究者提出了一种新的算法。首先，该算法计算出标准化的相对方向作为骨架特征来描述人体的姿态信息。接着，它将这些骨架特征序列基于动能分为静态和动态两部分：前者代表的是人在静止状态下的姿态变化；后者则涉及从一个姿势到另一个姿势的变化过程。 通过聚类技术，研究者构建了关键姿势和原子运动的码本，并利用朴素贝叶斯最近邻算法来分类人类活动。实验显示该方法在Cornell CAD-60数据集上的表现优于现有最佳方案，证明了基于关键姿势和原子运动的方法具有一定的优势。 动作识别的一个难点是从RGB图像序列中稳健地检测和跟踪人体姿态，但随着如Microsoft Kinect等廉价深度相机的出现，从3D（RGB-D）图像中提取并追踪人体变得更加容易。这促进了各种人类动作识别算法的发展，并为个人辅助机器人领域的研究提供了新的思路和技术支持。 综上所述，该论文展示了一种结合骨架特征、关键姿势、原子运动以及朴素贝叶斯最近邻算法的人类动作识别方法，在实际应用中表现出色，对智能机器人的研发具有重要意义。