24、基于视觉的人类活动识别方法研究

基于视觉的人类活动识别方法研究

1. 引言

人类活动识别（HAR）在个人和社会互动中极为重要，它是计算机视觉的一个子领域，有很大潜力开发改善生活的解决方案。其目标是识别特定个人或群体的身体活动，让计算机了解人们在特定环境中的行为，从而在各种情况下变得主动。

HAR的应用广泛，如环境辅助生活、病人护理家庭健康监测、康复活动监控以及人机交互等。同时，它在安全解决方案、人机交互和机器人系统等领域也有需求。

人类姿势识别是人类交互的重要方面，也是研究热点。非接触式人机交互的主要目标是识别手势并准确解读意图，通过分析人的行为、节奏、姿势等信息来实现识别。在基于视觉的HAR中，分析相机信号；而基于传感器的方法则识别传感器信号，如加速度计、陀螺仪、雷达和磁力计等。加速度计因成本低、体积小和易于操作，是最常用的HAR传感器。不过，研究表明基于传感器的HAR比基于视觉的HAR更高效且更能保护隐私，因为基于视觉的HAR受采集角度、光照和个体交叉等因素影响较大，难以区分人类活动与静止图像或视频序列。

人类动作具有内在的层次结构，从原子元素（动作基元）构成更复杂的人类动作。“动作”和“活动”在本文中可互换使用，指由单个个体按时间顺序执行的一系列动作基元组成的全身动作。人类活动是人们相互互动的方式，其复杂程度从简单动作到多个事件不等。

2. 基于手工特征的HAR

与全局特征相比，当前大多数局部特征在处理低光照和噪声方面更有效。词袋模型（BoVW）通常与局部特征结合，形成最先进的局部表示技术的通用流程。具体步骤如下：
1. 使用探测器或密集采样获取兴趣点和局部补丁。
2. 从这些兴趣点或补丁中提取局部特征。
3.