冯小明，冯乃光，汪云云

(1.南京邮电大学 工程训练中心， 江苏 南京 210003；2.四川广播电视大学 工程技术学院， 四川 成都 610073)

0 引 言

对于复杂行为动作的识别具有一定的挑战性，主要是由于：①复杂动作由较多的子动作组成，具有短期和长期的因果关系，各序列因果关系会增加模型的复杂度，通常需要足够大的训练数据；②视角差异与动作类型等因素，动作的变化种类千姿百态[1-4]。

目前，人体动作识别成为当前的一个热点，取得了一定的成果。尹建芹等[5]设计了基于关键点序列的动作识别方案。基于身体关节点变化的节奏，将动作标签为上肢运动与躯体运动。为了获得关键点，通过C均值聚类提取上肢、中心关节点。并将关键点投射到对应的动作路线中，从而得到了初步分类运动的关键序列。为了精确识别，通过时序直方图对关键序列构建分类学习函数，将关键序列分类学习，完成动作识别。但其忽略了局部特征与运动的光流特征，对相似特征与复杂动作的识别效果不理想。刘长征等[6]设计了复杂背景下定位的动作识别方案。该方法对3D动作采样，完成对每个姿势定位从而实现动作识别。此算法能够较好地完成动作的识别，但在噪声场景下，随时间累积，显著降低了识别性能。Bohick等[7]设计了一种时间模板的动作识别方案，通过对视频序列中的临近帧图像执行差分运算，获得运动能量图MEI与运动历史图MHI，并通过MEI与MHI共同来描述动作。该方法在简单运动中获得了一定的识别效果，但在较复杂场景与摄像头移动中，动作轮廓很难有效提取，对于存在行为遮挡时，对动作识别的精确度大幅降低。……