张欢

摘要：为了实现Kinect对工厂工人操作动作的识别，该文提出了基于Kinect传感器的工人操作动作识别方法。首先，使用Kinect采集人体运动的关节点数据和RGB序列，然后，通过中值滤波等操作提高信息的可信度，构造关节点特征并检测序列RGB序列中的时空兴趣点。最后，利用决策融合框架对工人的操作动作进行识别与估计。实验结果证明，将该文提出的方法应用于自采集的数据集合，得到了90%以上的识别正确率，表明算法能够在复杂场景下取得较好的识别结果且有效地完成工人操作动作识别任务。

關键词：骨架特征；时空兴趣点；DTW；操作估计

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2018）08-0182-03

1引言

人体动作识别是计算机视觉领域的重要研究课题，其在智能监控、智能家居、服务机器人等领域均有着广泛的应用。近年来，为了获取动作的时空联系，常提取动作的时空特征点。因此，基于时空特征点（STIP）的研究逐渐成为动作识别领域的关注热点。文[2]中改进了STIP检测方法，提出彩色STIP的视频检测方法以获取高质量的检测与描述效果，有效克服了传统STIP方法易受光照和阴影等影响的问题。与此同时，由于密集轨迹能够快速地、精准地捕获复杂地运动模式，提取梯度直方图（HOG）和光流直方图（HOF）等特征的密集轨迹动作识别取得了很大的研究。

工人在社会发展中扮演重要角色的同时对工作效率的要求也日益增高，工人动作识别受到越来越多的关注。工人操作动作估计的核心技术是动作识别，工人动作估计通过识别工厂工人的动作，从而判断工人的操作动作是否标准，是否按照顺序进行操作，并为之提供相应的安全预警以达到工人效率检测和安全预警。……