一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法.pdf

本发明公开了一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法。方法的步骤如下：预先采集投篮动作到数据库并按类分组，每组构建运动图，将所有动作渲染成多视角下的二维图像后提取关键特征，计算每个姿态的图像特征值。运行时拍下人投篮的图片序列对其进行精细的轮廓提取，计算轮廓图的特征值，在数据库中找到与其特征值最相似姿态所在组为击中组，找到该投篮动作所有轮廓击中最多的组，再找到每帧轮廓图在该组运动图上与其特征值最相近的姿态所在节点，分析这些点并修复成连续的一段，作为动作识别结果。本发明能只利用图像获取设备快速

2023-10-22

10

2.2MB

基于运动学动态图的人体动作识别方法研究.docx

基于运动学动态图的人体动作识别方法研究基于运动学动态图的人体动作识别方法研究摘要：人体动作识别是计算机视觉领域的一个重要研究方向，其应用广泛，包括姿态识别、行为分析、虚拟现实等。传统的人体动作识别方法主要基于人体轮廓或关节位置进行特征提取和分类，但受到视角、遮挡等因素的影响，识别精度较低。本文提出了一种基于运动学动态图的人体动作识别方法，该方法通过建立关节运动轨迹图来描述人体动作的演化过程，并利用图像处理和机器学习算法来对运动图进行特征提取和分类，从而提高了人体动作识别的准确度和鲁棒性。1.引言人体动作识

2024-10-19

5

10KB

基于深度学习的快速动态人体动作提取、识别方法.pdf

本发明涉及一种基于深度学习的快速动态人体动作提取、识别方法。目前现有的人体识别技术及应用有以下几个方面的不足，人体骨架本身就是一个复杂的结构体，不同人的动作习惯，其动作方式也不同，这就造成了识别人体普遍性的困难。本发明包括如下步骤:首先是描述人体目标的尺寸、颜色、边缘、轮廓、形状和深度的整体信息，为动作识别提供有用线索，从视频序列中提取出有效的运动特征，在远景情况下，利用目标的运动轨迹进行轨迹分析；近景情况下，则需利用从图像序列中提取的信息对目标的四肢与躯干进行二维或三维的建模。本发明用于基于深度学习的快

2023-09-03

10

303KB

基于图神经网络的人体动作识别方法.docx

基于图神经网络的人体动作识别方法1.内容综述随着深度学习技术的飞速发展，图神经网络（GraphNeuralNetworks,GNNs）作为一种强大的节点表示学习方法，在诸多领域中展现出显著的优势。图神经网络已被成功应用于包括社交网络分析、分子化学、推荐系统等在内的众多任务。在人体动作识别这一复杂且具有挑战性的任务中，图神经网络也展现出了巨大的潜力。人体动作识别是一个涉及多学科交叉的领域，其研究重点在于如何准确地从连续的图像或视频序列中提取出人体的动作特征，并将其转化为可量化的标签。传统的动作识别方法往往依

2024-10-05

9

30KB

基于运动学动态图的人体动作识别方法研究的开题报告.docx

基于运动学动态图的人体动作识别方法研究的开题报告一、研究背景现代社会，人体运动与健康密不可分。越来越多的人已经意识到了这一点，愿意积极参加各种形式的运动活动。而对于运动的学习者来说，正确的动作姿势是非常重要的。在日常生活中，我们可以通过身体感受和家庭、朋友、教师等人的修正来学习正确的动作姿势。但对于很多只能通过观看视频的人来说，学习正确的动作姿势却是一个较为困难的任务。为了帮助初学者更好地掌握动作姿势，一些基于运动学动态图的人体动作识别方法开始被不断研究与发展。二、研究内容1.研究动态运动图特征的提取方法

2024-10-07

5

11KB