基于视频序列的人体动作识别
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2）体育运动分析
人体动作识别是体育运动识别的核心部分，而体育运动分析也是人体动作识别的应用领域之一。以往对于人体在体育运动及活动中的识别主要是通过人眼观察和运动经验进行判断和改进。当前，越来越多的体育运动开始借助于智能的人体动作识别，这有助于对体育运动进行客观和量化的分析，统计运动数据，提供科学直观的辅助识别手段。人体动作识别可以用于创建个性化的体育训练和分析系统，，加速数字化体育运动训练进程，甚至可以在转播体育比赛的过程中，为观众提供比赛评注和赛况讲解等实时信息。
3.This paper uses a stick-shaped modelmethodforaction recognition, create themodel of thekey postures, and compare with the actual human body, by this way the target classification and action recognition.Combined with a largenumber of experiments,the stability and accuracy of the above methods and algorithmsis verified,andthe results are satisfactory.
人体动作识别根据研究对象来分，可以分成针对整体运动的识别和针对身体局部动作展开的识别。其中，整体运动包括两种，一是整体运动轨迹，二是全身所有动作部位共同组成的整体动作。局部动作也可进一步划分成两类：以人脸、唇、手势等为动作部位的小尺度运动和以手臂挥舞、腿部迈动等动作形式的较大尺度运动。
从研究内容来分，人体动作识别可以按照难易程度分为静态姿势识别和动态过程识别。初期的动作识别是以静态姿势识别为主，通过将人体运动的动态过程转化成一组静态的姿态进行识别。如今随着人体动作识别技术的不断发展，无论是从识别方法上，还是从计算机的处理能力上来看，都已经具备了识别人体动态过程的条件，这也是当前研究的重点。
2.This paper presents an algorithm to eliminate errors,this algorithm is based on the magnitude of a vector, and it isused to eliminate the errors caused by the abnormal data in the data sequence.The basic principle is to build a set of vectorsusing severaladjacent data.
Master of Engineering
Specialty：
Circuits and Systems
University：
Hebei University
Date of Oral Examination：
June, 2013
河北大学
学位论文独创性声明
本人郑重声明：所呈交的学位论文，是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了致谢。
密级：学校代码：10075
分类号：学号：20081194
工学硕士学位论文
基于视频序列的人体动作识别
学位申请人：
刘 涛
指导教师：
张 欣 教授
学位类别：
工学硕士
学科专业：
电路与系统
授予单位：
河北大学
答辩日期：
二○一三年六月
Classified Index:CODE: 10075
U.D.C.:NO: 20081194
2、不保密□。
（请在以上相应方格内打“√”）
保护知识产权声明
本人为申请河北大学学位所提交的题目为（基于视频序列的人体动作识别）的学位论文，是我个人在导师（张欣）指导并与导师合作下取得的研究成果，研究工作及取得的研究成果是在河北大学所提供的研究经费及导师的研究经费资助下完成的。本人完全了解并严格遵守中华人民共和国为保护知识产权所制定的各项法律、行政法规以及河北大学的相关规定。
本文的主要研究内容如下：
1、本文针对目标动作的特点提出了一种基于动作变化率特征的动作及姿态分割方法。首先获取图像中动作区域的轮廓信息，根据连续图像序列中轮廓信息的变化情况挖掘出动作的变化率，然后利用量化后的动作变化率界定动作及姿态的分割点，最后按照对动作识别的意义大小，将不同的姿态划分为关键姿态和非关键姿态。由于关键姿态携带了进行动作识别的绝大部分信息，因而只利用关键姿态进行动作识别，这种方式有效地降低了计算复杂度，提高了实时性。
2、本文针对视频采集和处理过程中产生的偶然性误差提出了一种基于向量模的误差消除算法，用于消除数据序列中异常数据引起的误差，其基本原理是在原有数据序列的基础上利用多维向量的模构建一组新的数据序列。首先采用某一数据节点及其相邻数据模拟多维向量各方向上的各个分向量，然后计算此多维向量的模并将其作为与当前数据节点对应的新数据序列中的节点。
3、本文在动作及姿态分割的基础上采用了基于棍状模型的动作识别方法，通过分别建立各关键姿态的人体模型并与实际动作人体进行比较的方式进行目标分类和动作识别。结合大量的实验对以上方法和算法进行稳定性和准确性的验证，验证结果令人满意。
关键词俯卧撑动作分割姿态分割向量模模型匹配动作识别
Abstract
Human action recognition is a hot researchfield of machine vision today,it comes to the knowledge of image processing, pattern recognition, artificial intelligence and other disciplines. After analyzing and summarizingthe work of the researchers in the field, we segment the movements and postures of push-upbased on itscharacteristics, at last we identify the complete action of push-up with the previous works.
1）高级人机交互
人体动作识别的主要应用领域之一就是高级人机交互。人类交流的方式分为两种，包括自然语言和人体语言，其中对人体语言的理解，包括手势、头部运动、肢体活动等身体动作。在未来的智能化环境中，人与计算机或其它设备之间的交互将不再局限于键盘和鼠标，这种交互要求计算机通过视频采集设备收集人体语言的视频信息，并理解人体动作所表达的内容，从而达到人与机器顺利交互的目的。利用人体语言进行交互的方式不容易受到环境噪声和距离的限制，能从中获取较多细节，对于在自然场景中进行人机之间的智能交流非常有用。
目前，基于视频序列的人体动作识别是一个非常活跃的研究领域，由于人体动作识别的最终目标是让计算机可以自动识别和理解人的行为，包括个人活动、人与人的交流、人与周围事物的交互行为等，而人体动作作为人体运动的构成元素或单元，是进行人体运动识别和分析的基础，因此在该领域内，许多研究人员非常关注对人体动作进行自动识别和分析。
A Dissertation for the Degree of Master
Human Action Recognition Based on Video Sequences
Candidate：
Liu Tao
Supervisor：
Prof. Zhang Xin
Academic Degree Applied for：
The main contents are as follows:
1.In this paper,contrary tothe characteristics of the target action, we proposed a gesture segmentation method based on the characteristics of the change rate of action.First,obtain the contour information of the operation area in the image, digging out the operation according to the contour information changes ina continuous sequence of images. Then definesthe split point of the movement and the posture withthe quantized actionchangerate. Finally in accordance with the significance for the action recognition, thegesture isdivided intothe critical gesturesand non-criticalones.
针对人体动作所展开的识别工作可追溯到上世纪70年代心理学家Johansson对于运动感知所进行的一系列实验。他通过设置人体的运动的关节点，将人体动作抽象为关节点的位置和变化。实验表明：通过实验中产生的关节点集合序列，就可以获得许多有意义运动信息，例如，可以辨别走路、跑步等运动形态。在过去的二、三十年中，基于视频序列的人体动作识别一直受到研究人员的关注，付出了许多努力，提出了许多行之有效的研究方法，包括对视频序列中运动人体的检测、识别、跟踪以及对其动作进行理解和识别。
作者签名：日期：年月日
学位论文使用授权声明
本人完全了解河北大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。
本学位论文属于
1、保密□，在年月日解密后适用本授权声明。
1
运动的连续性是视频的重要特性之一，也是形成视频数据处理的复杂性的主要因素。随着视频采集设备（摄像机、实时监控设备等）的价格不断下降以及计算机性能的持续提高，使得视频序列的采集和视频信息的处理都变得更为容易，这也使得相关行业关于人体动作识别的需求越来越多，使人体动作识别和分析成为新的研究热点。人体动作识别的目的在于，成功实现人体运动视频的采集，在此基础上通过分析计算得到人体动作的特征参数，自动识别和评价人体运动类型及运动状态。对人体动作进行自动识别和分析将带来一种全新的交互方式，它在高级人机交互、体育运动分析、自动视频监控、基于内容的检索等方面具有广阔的应用前景[1]。
本wenku.baidu.com声明如下：本论文的成果归河北大学所有，未经征得指导教师和河北大学的书面同意和授权，本人保证不以任何形式公开和传播科研成果和科研工作内容。如果违反本声明，本人愿意承担相应法律责任。
声明人：日期：年月日
作者签名：日期：年月日
导师签名：日期：年月
摘
人体动作识别是当今机器视觉领域的研究热点，它涉及到图像处理、模式识别、人工智能等多个学科的相关知识。基于视频的人体动作识别包括人体区域检测、动作及姿态分割以及用于进行动作识别的目标分析和行为理解等。在分析总结该领域研究人员相关工作的基础上，本文针对俯卧撑运动的特点进行动作和姿态分割，并对其完整动作进行识别。
Keywords:push-up, actionsegmentation, gesture segmentation, norm of vector, modelmatching,action recognition
第
1
人类认识世界、接收信息的最主要途径是通过视觉，视觉不仅是指对外界光源的感知，也包括对信息的获取、处理和理解的多个过程。已有的研究表明，人类大脑所接受信息中有80%以上都是来自于视觉。由此可见，作为人类交流中信息传递的最重要方式，视觉在人类的生活和生产中都扮演着极为重要的角色。近年来，随着影视、网络等媒体的高速发展和广泛普及，视频无疑已经成为人们获取信息的重要工具，自动采集和识别视频信息的需求也越来越多。
人体动作识别是体育运动识别的核心部分，而体育运动分析也是人体动作识别的应用领域之一。以往对于人体在体育运动及活动中的识别主要是通过人眼观察和运动经验进行判断和改进。当前，越来越多的体育运动开始借助于智能的人体动作识别，这有助于对体育运动进行客观和量化的分析，统计运动数据，提供科学直观的辅助识别手段。人体动作识别可以用于创建个性化的体育训练和分析系统，，加速数字化体育运动训练进程，甚至可以在转播体育比赛的过程中，为观众提供比赛评注和赛况讲解等实时信息。
3.This paper uses a stick-shaped modelmethodforaction recognition, create themodel of thekey postures, and compare with the actual human body, by this way the target classification and action recognition.Combined with a largenumber of experiments,the stability and accuracy of the above methods and algorithmsis verified,andthe results are satisfactory.
人体动作识别根据研究对象来分，可以分成针对整体运动的识别和针对身体局部动作展开的识别。其中，整体运动包括两种，一是整体运动轨迹，二是全身所有动作部位共同组成的整体动作。局部动作也可进一步划分成两类：以人脸、唇、手势等为动作部位的小尺度运动和以手臂挥舞、腿部迈动等动作形式的较大尺度运动。
从研究内容来分，人体动作识别可以按照难易程度分为静态姿势识别和动态过程识别。初期的动作识别是以静态姿势识别为主，通过将人体运动的动态过程转化成一组静态的姿态进行识别。如今随着人体动作识别技术的不断发展，无论是从识别方法上，还是从计算机的处理能力上来看，都已经具备了识别人体动态过程的条件，这也是当前研究的重点。
2.This paper presents an algorithm to eliminate errors,this algorithm is based on the magnitude of a vector, and it isused to eliminate the errors caused by the abnormal data in the data sequence.The basic principle is to build a set of vectorsusing severaladjacent data.
Master of Engineering
Specialty：
Circuits and Systems
University：
Hebei University
Date of Oral Examination：
June, 2013
河北大学
学位论文独创性声明
本人郑重声明：所呈交的学位论文，是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得河北大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了致谢。
密级：学校代码：10075
分类号：学号：20081194
工学硕士学位论文
基于视频序列的人体动作识别
学位申请人：
刘 涛
指导教师：
张 欣 教授
学位类别：
工学硕士
学科专业：
电路与系统
授予单位：
河北大学
答辩日期：
二○一三年六月
Classified Index:CODE: 10075
U.D.C.:NO: 20081194
2、不保密□。
（请在以上相应方格内打“√”）
保护知识产权声明
本人为申请河北大学学位所提交的题目为（基于视频序列的人体动作识别）的学位论文，是我个人在导师（张欣）指导并与导师合作下取得的研究成果，研究工作及取得的研究成果是在河北大学所提供的研究经费及导师的研究经费资助下完成的。本人完全了解并严格遵守中华人民共和国为保护知识产权所制定的各项法律、行政法规以及河北大学的相关规定。
本文的主要研究内容如下：
1、本文针对目标动作的特点提出了一种基于动作变化率特征的动作及姿态分割方法。首先获取图像中动作区域的轮廓信息，根据连续图像序列中轮廓信息的变化情况挖掘出动作的变化率，然后利用量化后的动作变化率界定动作及姿态的分割点，最后按照对动作识别的意义大小，将不同的姿态划分为关键姿态和非关键姿态。由于关键姿态携带了进行动作识别的绝大部分信息，因而只利用关键姿态进行动作识别，这种方式有效地降低了计算复杂度，提高了实时性。
2、本文针对视频采集和处理过程中产生的偶然性误差提出了一种基于向量模的误差消除算法，用于消除数据序列中异常数据引起的误差，其基本原理是在原有数据序列的基础上利用多维向量的模构建一组新的数据序列。首先采用某一数据节点及其相邻数据模拟多维向量各方向上的各个分向量，然后计算此多维向量的模并将其作为与当前数据节点对应的新数据序列中的节点。
3、本文在动作及姿态分割的基础上采用了基于棍状模型的动作识别方法，通过分别建立各关键姿态的人体模型并与实际动作人体进行比较的方式进行目标分类和动作识别。结合大量的实验对以上方法和算法进行稳定性和准确性的验证，验证结果令人满意。
关键词俯卧撑动作分割姿态分割向量模模型匹配动作识别
Abstract
Human action recognition is a hot researchfield of machine vision today,it comes to the knowledge of image processing, pattern recognition, artificial intelligence and other disciplines. After analyzing and summarizingthe work of the researchers in the field, we segment the movements and postures of push-upbased on itscharacteristics, at last we identify the complete action of push-up with the previous works.
1）高级人机交互
人体动作识别的主要应用领域之一就是高级人机交互。人类交流的方式分为两种，包括自然语言和人体语言，其中对人体语言的理解，包括手势、头部运动、肢体活动等身体动作。在未来的智能化环境中，人与计算机或其它设备之间的交互将不再局限于键盘和鼠标，这种交互要求计算机通过视频采集设备收集人体语言的视频信息，并理解人体动作所表达的内容，从而达到人与机器顺利交互的目的。利用人体语言进行交互的方式不容易受到环境噪声和距离的限制，能从中获取较多细节，对于在自然场景中进行人机之间的智能交流非常有用。
目前，基于视频序列的人体动作识别是一个非常活跃的研究领域，由于人体动作识别的最终目标是让计算机可以自动识别和理解人的行为，包括个人活动、人与人的交流、人与周围事物的交互行为等，而人体动作作为人体运动的构成元素或单元，是进行人体运动识别和分析的基础，因此在该领域内，许多研究人员非常关注对人体动作进行自动识别和分析。
A Dissertation for the Degree of Master
Human Action Recognition Based on Video Sequences
Candidate：
Liu Tao
Supervisor：
Prof. Zhang Xin
Academic Degree Applied for：
The main contents are as follows:
1.In this paper,contrary tothe characteristics of the target action, we proposed a gesture segmentation method based on the characteristics of the change rate of action.First,obtain the contour information of the operation area in the image, digging out the operation according to the contour information changes ina continuous sequence of images. Then definesthe split point of the movement and the posture withthe quantized actionchangerate. Finally in accordance with the significance for the action recognition, thegesture isdivided intothe critical gesturesand non-criticalones.
针对人体动作所展开的识别工作可追溯到上世纪70年代心理学家Johansson对于运动感知所进行的一系列实验。他通过设置人体的运动的关节点，将人体动作抽象为关节点的位置和变化。实验表明：通过实验中产生的关节点集合序列，就可以获得许多有意义运动信息，例如，可以辨别走路、跑步等运动形态。在过去的二、三十年中，基于视频序列的人体动作识别一直受到研究人员的关注，付出了许多努力，提出了许多行之有效的研究方法，包括对视频序列中运动人体的检测、识别、跟踪以及对其动作进行理解和识别。
作者签名：日期：年月日
学位论文使用授权声明
本人完全了解河北大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。
本学位论文属于
1、保密□，在年月日解密后适用本授权声明。
1
运动的连续性是视频的重要特性之一，也是形成视频数据处理的复杂性的主要因素。随着视频采集设备（摄像机、实时监控设备等）的价格不断下降以及计算机性能的持续提高，使得视频序列的采集和视频信息的处理都变得更为容易，这也使得相关行业关于人体动作识别的需求越来越多，使人体动作识别和分析成为新的研究热点。人体动作识别的目的在于，成功实现人体运动视频的采集，在此基础上通过分析计算得到人体动作的特征参数，自动识别和评价人体运动类型及运动状态。对人体动作进行自动识别和分析将带来一种全新的交互方式，它在高级人机交互、体育运动分析、自动视频监控、基于内容的检索等方面具有广阔的应用前景[1]。
本wenku.baidu.com声明如下：本论文的成果归河北大学所有，未经征得指导教师和河北大学的书面同意和授权，本人保证不以任何形式公开和传播科研成果和科研工作内容。如果违反本声明，本人愿意承担相应法律责任。
声明人：日期：年月日
作者签名：日期：年月日
导师签名：日期：年月
摘
人体动作识别是当今机器视觉领域的研究热点，它涉及到图像处理、模式识别、人工智能等多个学科的相关知识。基于视频的人体动作识别包括人体区域检测、动作及姿态分割以及用于进行动作识别的目标分析和行为理解等。在分析总结该领域研究人员相关工作的基础上，本文针对俯卧撑运动的特点进行动作和姿态分割，并对其完整动作进行识别。
Keywords:push-up, actionsegmentation, gesture segmentation, norm of vector, modelmatching,action recognition
第
1
人类认识世界、接收信息的最主要途径是通过视觉，视觉不仅是指对外界光源的感知，也包括对信息的获取、处理和理解的多个过程。已有的研究表明，人类大脑所接受信息中有80%以上都是来自于视觉。由此可见，作为人类交流中信息传递的最重要方式，视觉在人类的生活和生产中都扮演着极为重要的角色。近年来，随着影视、网络等媒体的高速发展和广泛普及，视频无疑已经成为人们获取信息的重要工具，自动采集和识别视频信息的需求也越来越多。