基于Kinect的人体动作检测与识别研究开题报告

1. 研究目的与意义（文献综述）

在机器学习算法日趋成熟的条件下，人体动作识别已经成为人机交互领域中的热点问题。该领域的研究是由它的潜在应用价值驱动的，人体动作识别技术在很多领域中有着广泛的应用，主要应用在智能监控系统、影视后期制作、人机交互、人体动作分析和医学保健康复训练等领域，并为社会创造了巨大的社会价值和可观的经济价值。随着人类信息化、智能化脚步的加快，人们对数据信息的准确性及机器智能化、稳定性的要求越来越高，这使越来越多的专家学者致力于研究如何提高实时人体动作识别的准确性及稳定性，让机器更好的理解人体的动作，从而让机器设备更快地理解人们的需求，为人们提供更加智能化和人性化的服务，帮助人们完成高危环境下的工作，因此本课题具有重要的理论及应用研究价值。

人体的姿态、动作的识别涉及传感器技术、计算机视觉、人工智能、模式识别、机器学习等多个学科的交叉，依据获取人体描述姿态的原始数据方式的不同，将分析人体姿态的研究方式分为基于穿戴式传感器和基于视觉的方法。

基于穿戴传感器姿态检测的系统是指一些日常生活中常穿戴的物件中嵌入微型的传感器，例如：鞋子，挂饰，腰带等，这种检测系统可以实时采集人体的运动参数，人体的运动参数发生变化时，主机端通过预先设定的算法判断人体当前的姿态。

2. 研究的基本内容与方案

基于kinect的人体动作检测与识别研究的基本内容是在pc平台上，利用kinect生成的深度图像，通过算法获取人体的三维骨架，采用vc 结合kinect的开发函数，设计相应的算法，检测及识别人体动作，实现对人体动作的语意理解。

完成人体动作检测与识别的主要有三大部分：数据获取、特征提取与分类识别。

随着深度体感相机kinect的发展，基于骨架的人类动作识别和检测受到越来越多研宄者的关注。与彩色图像、深度图像相比，人体骨架能较好地反映出人体的运动轨迹，并能克服光照变化、背景噪声的影响。但是，如何将这种高维的时序信息表示成适合动作识别和检测算法处理的数据形式仍然是个待解决的问题。另外，目前大多数人体动作研究工作都针对已分割视频片段的动作识别。然而，实际的视频序列往往是连续的，而且一些实时应用还需要在线检测人体的动作。为了解决以上问题，本文将骨架序列的时间信息和空间信息分别表示成图像的行和列，生成骨架映射图：在已分割视频片段的动作识别任务中，利用卷积神经网络从骨架映射图中学习人体动作的判别特征，得到动作分类模型；在连续视频序列中，以动作分类模型为特征提取器，在生成的特征图上使用时序提议的方法检测目标动作；在实时动作检测中，通过滑动窗口的方式，利用动作分类模型识别正在发生的动作。本次设计采用基于kinect进行人体数据提取。

3. 研究计划与安排

第1周—第3周 搜集资料，撰写开题报告；

第4周—第5周 论文开题；

4. 参考文献（不低于12篇）

[1]张成权,唐家康,汪志峰.kinect骨骼数据驱动的人体动作二维特征融合与动作识别[j].安庆师范大学学报(自然科学版),2020,26(01):77-83.

[2]刘卫玲,刘畅,张耀尹,常晓明,杨玲珍.labview环境下基于kinect的人体姿态识别中手臂动作辨识的探究[j].电子测量技术,2019,42(23):153-157.

[3]刘芬,吴志攀.一种基于kinect与svm的人体动作识别算法[j].现代计算机,2019(18):55-58.