基于大间隔最近邻的人体动作识别

来源：机器人杂志2018年第2期北京时间：

作者：刘小丽, 尹建芹, 魏军, 王磊, 吴艳春

摘要：为实现日常生活中动作的识别，以提高家庭服务机器人的服务质量，为人类提供安全舒适的环境，提出了一种基于马氏距离的度量学习方法进行人体动作的识别．首先，利用Kinect获取人体动作的关节点数据．然后，基于关节点数据构建动作敏感特征集合，即由人体的关节点坐标构造人体的结构向量以及相应的角度，并对每一样本的长度进行归一化处理．采用大间隔最近邻（LMNN）分类算法进行马氏距离学习得到变换矩阵L，将归一化之后的原始数据映射到更优特征空间．最后，采用k近邻算法进行动作识别．在自建的数据集上，得到97%的识别率．实验结果表明，LMNN算法能够改善数据的分布，即缩小类内距离，扩大类间距离，较好地完成人体动作识别的任务．

关键词：动作识别, 度量学习, 大间隔最近邻, 马氏距离, <i>k</i>近邻