基於人體多部位感測器和穿戴式視頻的動作識別研究

《基於人體多部位感測器和穿戴式視頻的動作識別研究》是依託中國海洋大學，由李臻擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於人體多部位感測器和穿戴式視頻的動作識別研究
• 項目類別：青年科學基金項目
• 項目負責人：李臻
• 依託單位：中國海洋大學

中文摘要

人體動作識別是人機互動、健康監護等多種套用的關鍵技術。本課題針對現有基於穿戴式設備的動作識別方法準確率低、時間複雜度高的問題，擬通過融合多部位穿戴式設備所獲得的運動感測器數據、全球定位系統數據及視頻數據等多源數據開展深入研究：首先，針對現有基於感測器數據的動作識別方法分類精度較低的問題，擬採用人體多部位感測器進行數據採集，並利用分層的神經網路方法進行動作分類，以提高識別精度；其次，擬對基於穿戴式視頻數據的特徵提取方法進行研究，由於現有的面向動作識別的視頻特徵缺少對靜態場景的描述，因此本課題擬融合動態特徵與靜態特徵進行動作識別，提高識別準確率；最後，針對多源數據導致的運算量過大的問題，擬研究自適應隱馬爾可夫模型，優先選擇特徵提取速度快的感測器進行識別，避免冗餘信息對於算法運行時間的影響，提高識別速度。最終搭建真實環境下的人體動作識別原型系統，為人機互動及人體健康監護等領域提供技術支持。

結題摘要

人體動作識別是人機互動、健康監護等多種套用的關鍵技術。本項目研究了基於可穿戴設備運動感測器數據、視頻圖像數據以及上下文數據的人體動作識別方法。首先，研究了基於運動感測器的動作識別方法，提出了基於穿戴設備的上下文環境融合分層動作識別方法，提出了基於智慧型可穿戴手錶的實時動作識別和運動計數方法來評估運動量，而無需針對各項動作單獨設計評估算法。其次，研究了基於視頻圖像數據的動作識別方法，總結了基於視覺的人體動作識的最新研究進展，提出了基於彩色和深度圖像感測器的人體摔倒自動檢測方法。最後，研究了基於數據融合的動作識別方法，構建了融合智慧型手錶和彩色深度攝像機的運動捕獲系統，提出了多源數據映射方法，為了有效地利用所有數據源，提出了基於多源數據的分組選擇方法，自動尋找最佳特徵組合併建立分層識別結構，有效的提升了人體動作識別的準確性。本項目已發表學術論文10篇，其中SCI國際期刊論文5篇。本項目研究成果在公共安全，智慧型監控等、運動監控領域具有廣泛的套用場景。