摘要: 人体的运动过程较为复杂,图像中的相似动作很多,对传统的特征识别形成干扰,造成识别准确性不高。为了提高其识别正确率,提出一种Hu不变矩和人工鱼群优化支持向量机的人体运动姿态识别模型(Hu-AFSA-SVM)。首先,以二维连续图像为基础,提取图像中人体运动姿态识别的7个Hu不变矩,然后将其输入到SVM中进行训练,并采用AFSA对SVM参数进行优化,通过寻找一个最优超平面,尽可能在满足分类的限制条件下,将所有人体运动姿态分类数据集中的类别分开,在克服干扰下,完成识别。最后对其进行仿真实验。仿真结果表明,相对于其它识别模型,Hu-AFSA-SVM提高了人体运动姿态识别正确率,同时加快了识别速度,是一种有效的人体运动姿态识别方法。
[1] 凌志刚,赵春晖,梁彦,等.基于视觉的人行为理解综述[J].计算机学报,2008,5(9):2570-2578 [2] 谷军霞,丁晓青,王进生.行为分析算法综述[J].中国图像图形学报,2009,9(3):377-387 [3] 朱强,庄越挺,陈家实,等.基于色块的人体运动跟踪[J].模式识别与人工智能,2001,14(4):486-492 [4] 黄国范,程小平,任菲.人体动作姿态的自动识别方法研究[J].西南师范大学学报:自然科学版,2010,5(4):136-140 [5] 李宗民,刘玉杰,李振波,等.Bezier矩及其在人体姿态识别中的应用[J].计算机工程与应用,2005,4(5):38-40 [6] 李宁,须德,傅晓英.结合人体运动特征的行为识别[J].北京交通大学学报,2009,3(2):6-16 [7] 朱望飞,马义德,邱秀清.基于 PCNN 的高斯混合模型运动检测改进方法[J].兰州大学学报:自然科学版,2009,5(2):131-137 [8] 高晶敏,梁菁菁,李春云.基于RBF神经网络的人体动态姿态识别算法[J].北京信息科技大学学报,2011,26(4):27-29 [9] 俞洋,殷志锋,田亚菲.基于自适应人工鱼群算法的多用户检测器[J].电子与信息学报,2007,9(1):121-124 [10] 向昌盛,周子英,张林峰.基于均匀设计的最小二乘支持向量机改进算法[J].计算机仿真,2011,8(3):194-197 [11] 李红波,向南,吴渝.一种改进的室内运动人体检测与轮廓提取算法[J].重庆邮电大学学报:自然科学版,2008,20(2):225-229 |
No related articles found! |
|