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
来源：计算机应用杂志2018年第2期北京时间：
作者：张全贵, 蔡丰, 李志强
单位：辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105
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。
关键词：Kinect,人体动作识别,划分区域,多隐马尔可夫模型,耦合K最邻近
基金资助：辽宁省自然科学基金面上项目（2015020100）。
