%0 Journal Article
%T 基于耦合多隐马尔可夫模型和深度图像数据的人体动作识别
%A 李志强
%A 蔡丰
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2017081945
%X 摘要 为解决使用RGB图像进行特征提取时容易受外界因素干扰，且计算复杂度高等问题，采用一种更加有效的解决方案，即使用深度数据进行人体动作识别。利用Kinect采集的关节点数据，首先将人体关节划分成五个区域，对每个区域的向量夹角离散化从而描述不同的状态，再通过Baum-Welch算法学习出各区域的多隐马尔可夫模型（multi-HMM），并使用前向算法建立生成区域与动作类别概率矩阵。在此基础上，对区域及动作类别进行内耦合和间耦合分析，从而表达各关节点之间的交互关系。最后使用基于耦合的K最邻近（KNN）算法完成整体的动作识别。通过实验测试对五种动作的识别率均达到90%以上，并与3D Trajectories等方法进行对比，实验得到的综合识别率高于对比方法，具有明显的优势
%K Kinect
%K 人体动作识别
%K 划分区域
%K 多隐马尔可夫模型
%K 耦合K最邻近
%U http://www.joca.cn/CN/abstract/abstract21540.shtml