基于hu不变矩特征优化的人体运动姿态识别算法

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。