返回
Optimization Method of Human Posture Recognition Based on Kinect V2 Sensor
DOI:10.3390/biomimetics10040254.png)
摘要
En 中文
人体动作识别旨在理解人类行为,对于提升人机交互和仿生机器人的智能性与自然性至关重要。本文提出一种结合Kinect传感器与OpenPose算法、Levenberg-Marquardt(LM)算法和Dynamic Time Warping(DTW)算法的方法,以改善动作识别的复杂度和实时性能。首先,利用Kinect V2深度传感器采集人体彩色图像、深度图像及三维骨骼点信息。接着,使用OpenPose处理彩色图像以提取二维骨骼点信息,并将其映射至深度图像以获取三维骨骼点信息。随后,采用LM算法融合三维骨骼点序列与Kinect获取的序列,生成稳定的二维骨骼点序列。最后,利用DTW算法识别复杂动作。不同场景和动作的实验结果表明,该方法稳定且准确,平均识别率达到95.94%。该方法有效解决了Kinect在收集骨骼点时出现的抖动和自遮挡等问题。该方法的鲁棒性和准确性使其非常适合应用于机器人交互系统中。
Keyword:
human-computer interaction
human action recognition
bone point optimization
期刊
B
IF:
3.9
论文数:
3.2K
被引数:
5.1K
机构
引用论文
Design of Bionic Robotic Hand Gesture Recognition System Based on Machine Vision基于机器视觉的仿生机器人手部姿态识别系统设计
Camera Setup and OpenPose Software without GPU for Calibration and Recording in Telerehabilitation Use摄像机设置及无GPU的OpenPose软件用于远程康复中的校准与记录

