聂 玮 曹 悦, 朱冬雪 朱艺璇 黄林毅

1(国网天津市电力公司电力科学研究院 天津 300384)2(四川大学视觉合成图形图像技术国防重点学科实验室 四川 成都 610064)

0 引 言

随着硬件技术、信号处理技术的飞速发展，人机交互已经在日常工作生活中频繁应用[1]。现有的智能硬件已经可以利用可穿戴的数据套件直接感知人的姿势与行为动作，然而这类应用需要辅助的套件进行信息采集，限制了交互信息的自然表达。通过视觉对人体行为动作进行识别，可以实现各种复杂信息的交互，该技术不需要较为复杂的数据采集设备，使人机交互更加自然[3]。

经过多年的发展，基于视觉的行为识别技术仍然存在一些亟需解决问题，主要归因于人体的非刚性特征以及复杂背景的影响[4]。传统的行为识别算法大都采用行人检测与分割，然后提取动作特征，最后利用特征进行分类识别[5]。由于传统的方法需要针对不同的任务设计不同的人工特征，例如颜色特征、光流特征、HOG特征等[6]，这些特征容易受环境影响，泛化能力较差。Karpathy等[7]提出一种基于显著性分割的多特征行为分类模型。该方法结合多种颜色空间模型从复杂背景中分割出人体区域，并采用改进的HU不变矩进行姿态轮廓描述，获取人体的多特征级联向量，最后利用SVM实现特征数据分类。该方法在简单背景下测试数据的识别精度较高，但对自然状态下采集的人体图像的识别精度很差。

基于机器学习的行为动作识别模型是目前研究较多的方向，在一定程度上提高了识别的精度。……