14、桌面场景下的人类动作识别与铰接物体分组方法研究

桌面场景下的人类动作识别与铰接物体分组方法研究

在计算机视觉领域，人类动作识别和非刚性物体的结构重建是两个重要的研究方向。本文将分别介绍桌面场景下人类动作识别的方法以及铰接物体分组的相关技术。

桌面场景下的人类动作识别

在桌面场景的人类动作识别中，我们使用了多种特征集来提高识别的准确性。

特征集选择

• 肩部坐标系中的向上和方向向量 ：利用为右臂构建的运动链，获取肩部坐标系中的向上和方向向量。这种方法对臂长具有不变性，并且能够轻松处理方向信息。
• 从躯干到手腕的方向向量（T2W） ：该向量反映了躯干与手腕之间的方向关系。
• 从肩部到手腕的方向向量（S2W） ：体现了肩部和手腕之间的方向特征。
• T2W + 抓握距离（GD） ：抓握距离定义为拇指和食指上传感器之间的距离。实验表明，GD 是区分抓握动作和其他动作的有效特征。
• S2W + GD ：结合了肩部到手腕的方向向量和抓握距离。

定量分析

为了学习和识别不同的动作，我们为每个序列类别训练了一个隐马尔可夫模型（HMM）。训练和测试过程不考虑不同个体的差异，每次使用每个类别的四分之三序列进行训练，四分之一用于测试。识别采用最大似然方法，计算测试序列相对于所有训练好的 HMM 的似然度，似然度最大的 HMM 代表该测试序列。

我们使用 Kevin M