基于kinect的人体动作识别的研究与实现的中期报告.docx

基于kinect的人体动作识别的研究与实现的中期报告
中期报告
一、研究背景
人体动作识别是计算机视觉领域的一个重要研究方向。随着计算机科学技术的不断发展，人体动作识别技术得到了广泛的应用。其中，基于kinect的人体动作识别技术因为其非接触性和多样性，成为研究热点。
二、研究内容
本研究主要参考了（Shotton等，2013）的研究思路和方法，利用kinect传感器获取人体骨骼信息，通过机器学习算法对人体动作进行识别。
具体研究内容如下：
1.获取人体骨骼信息
利用kinect传感器获取人体骨骼信息，可以得到人体的各个关节点的坐标和骨架信息。
2.标注数据集
通过标注数据集，可以让计算机学习到不同动作的特征，从而提高动作识别的准确度。
3.特征提取
在标注好的数据集上提取动作的特征，包括位置、速度、加速度等信息。这些特征是动作识别的关键。
4.训练机器学习模型
将提取出的特征作为输入，通过机器学习算法训练模型，得到一个能够准确识别不同动作的模型。
5.动作识别
利用训练好的模型对输入的实时动作进行识别。
三、研究进展
目前，我们已经完成了部分准备工作，包括：
1.搭建实验环境
我们选用了Windows操作系统，并安装了kinectSDK2.0开发包和VisualStudio2015IDE集成开发环境。
2.数据采集
我们借助kinect传感器采集了约10000组左右的包含不同动作的骨骼状态信息，以便进行标注，并为后续机器学习算法的模型训练提供数据支持。
3.数据标注
我们利用Python语言标注了部分采集到的数据，包括标记它们所代表的具体动作类别。
4.特征提取
我们采用了基于DNN的卷积神经网络（CNN）作为特征提取算法，实现对不同动作的特征信息提取，并将其作为后续机器学习算法的输入。
下一步我们将针对数据集的增加，模型的训练、优化以及动作识别等方面引入更多更加先进的技术，进一步提升算法的准确度，为接下来的实验做好准备。
四、参考文献
Shotton,Jamie,etal.“Real-timehumanposerecognitioninpartsfromsingledepthimages.”CommunicationsoftheACM56.1(2013):116-124.