基于改进LM骨骼拟合算法的动作识别系统

作     者：李航 

作者单位：西安工业大学 

学位级别：硕士

导师姓名：李浩;冯玉荣

授予年度：2023年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：计算机视觉 人体动作识别 骨骼点优化 Kinect OpenPose LM算法 

摘      要：随着人工智能的不断发展,其在计算机视觉领域的一个重要应用,人体动作识别技术越来越受到人们的关注。人体动作识别技术主要利用计算机视觉来判断一张图片或一段视频中人体动作行为的类别,该技术可以应用在人机交互、医疗康复、运动监测等众多领域。现有基于计算机视觉的研究方法在进行人体识别过程中容易受到复杂背景、人体穿着、光线强弱等多种因素影响,导致识别率低、识别结果较差。针对以上问题,本文提出了一种通过对人体骨骼点的预测来对人体动作进行识别的方法,该方法主要通过对Kinect和OpenPose的三维人体骨骼点的改进来实现。首先使用Kinect深度传感器代替传统的图像传感器,Kinect深度传感器能便利的获取人体彩色图像数据、深度图像数据及骨骼点数据;其次,结合OpenPose二维骨骼点检测算法对骨骼点进行处理优化,OpenPose是一种基于RGB图像的算法模型,可以检测识别单人或多人的二维骨骼点数据,在小部分被遮挡情况下,可以推断并预测被遮挡骨骼点的位置。最后,将Kinect获取的三维骨骼点坐标作为待优化坐标,再将OpenPose获取的二维骨骼点坐标映射处理得到三维骨骼点坐标作为优化参数,通过LM算法对两者进行拟合优化,得到所需的稳定三维人体骨骼点序列。同时针对LM算法运算量大,速度慢的问题,通过调整约束系数和约束项对LM算法流程进行改进,减少了运算量,提高了识别速度。通过定量测试和定性分析得到,改进后的人体动作识别算法虽然速度比单独使用Kinect或OpenPose算法时识别速度慢0.6-1秒左右,但是得到的骨骼点更稳定,有效解决了Kinect识别时骨骼点抖动和自遮挡的问题,同时结合DTW算法对人体动作进行识别评估,平均识别率比单独使用Kinect提高了6.32%,对自遮挡动作识别率的提升尤为明显。