董哲宇,汪千军,李万杰,周 波

(合肥工业大学宣城校区信息工程系,安徽 宣城 242000)

0 引 言

随着计算机视觉技术的快速发展，人体动作识别在安防监控、机器人服务、智能交互等领域应用越来越广泛。人体动作识别过程依次包括运动前景检测、动作特征提取、动作内容识别这3个步骤[1-2]。其中动作内容识别的方法可分为3类：1)基于模板的方法，该方法将待识别目标的模板与预先存储的已知模板进行比较，根据相似度判别动作类别[3-6]；2)基于语法的方法，该方法利用自然语言处理中的文法分析技术进行识别[7-10]；3)基于概率统计的方法，该方法把动作表示成一个连续的状态序列，每个状态都有自己的表现和动态特征[11-14]。以上3种方法中，模板匹配的方法直观简单，但是缺乏鲁棒性，一般用于静态姿势或者简单动作识别；基于语法的方法需要依赖底层描述；基于概率统计的方法容易出现训练不足或者过拟合问题。

本文提出一种基于神经网络的加权识别方法，利用神经网络模型获取识别率，对识别率进行加权，提高或降低单帧影响力，最后对该方法进行实验。

1 基于神经网络的加权识别方法

本文利用基于神经网络的加权识别方法，通过前景检测与动作特征描述、模型训练、加权识别3个过程对走、跑、跳、踢、蹲5个基本动作进行识别。

1.1 前景检测与动作特征描述

使用ViBe算法[15-16]提取人体运动前景。ViBe是一种像素级的背景建模、前景检测算法，该算法通过随机策略实现背景模型的更新，相比于其他的检测算法具有计算量小、内存占用少、处理速度快和应对噪声稳定可靠的特点。……