一种基于多特征多分类器融合的人体行为识别方法
陈庆峰
冯仕民
丁恩杰
1.中国矿业大学 物联网(感知矿山)研究中心,江苏 徐州 221008;中国矿业大学 信息与控制工程学院,江苏 徐州 2210082.中国矿业大学 物联网(感知矿山)研究中心,江苏 徐州 221008;中国矿业大学 信息与控制工程学院,江苏 徐州 2210083.中国矿业大学 物联网(感知矿山)研究中心,江苏 徐州 221008;中国矿业大学 信息与控制工程学院,江苏 徐州 221008
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.
关键词：行为识别Kinect传感器多特征多分类器分类器融合
分类号：TP391(计算技术、计算机技术)
资助基金：国家重点研发计划基金项目(2017YFC0804401)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 45-49 )