基于动作捕获数据的行为识别
２０１６年３月第３７卷 第３期
计算机工程与设计
ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮ
Ｍａｒ．２０１６Ｖｏｌ.３７ Ｎｏ.３
基于动作捕获数据的行为识别
董 珂１，甘朝晖１，蒋 旻２，雷 泽１
（１．武汉科技大学信息科学与工程学院，湖北武汉４３００８１；２．武汉科技大学计算机科学与技术学院，湖北武汉４３００８１）
摘 要：为克服人体行为识别传统方法在解决行为分割、训练集规模过小和行为无关数据干扰等方面存在的问题，提出一种基于动作捕获数据的人体行为识别方法。利用动作捕获设备Ｋｉｎｅｃｔ获取人体骨架数据流，从骨架流数据中提取人体的姿态特征，基于决策树和动态时间规整算法进行人体行为的识别。实验结果表明，该算法可以取得较好的实验效果，比现有方法具有更好的识别准确性。
关键词：行为识别；动作捕获；Ｋｉｎｅｃｔ；决策树；动态时间规整算法
中图法分类号：ＴＰ３９１ 文献标识号：Ａ 文章编号：１０００‐７０２４（２０１６）０３‐７６２‐０６ｄｏｉ：１０.１６２０８／ｊ.ｉｓｓｎ１０００‐７０２４.２０１６.０３.０３９
收稿日期：２０１５‐０４‐０６；修订日期：２０１５‐０６‐１２基金项目：国家自然科学基金项目（６１４４００１６）
作者简介：董珂（１９９０），女，湖北孝感人，硕士研究生，研究方向为模式识别、图像处理等；甘朝晖（１９６９），男，湖北武汉人，
博士，教授，研究方向为智能控制、信号与信息处理和模式识别等；蒋旻（１９７５），女，湖北武汉人，博士，副教授，研究方向为人工智
能、模式识别和图像处理等；雷泽（１９８９），男，湖北仙桃人，硕士研究生，研究方向为模式识别、图像处理等。Ｅ‐ｍａｉｌ：９６１８３５７３１＠ｑｑ.ｃｏｍ
Ｂｅｈａｖｉｏｒｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｍｏｔｉｏｎｃａｐｔｕｒｉｎｇｄａｔａ
ＤＯＮＧＫｅ１
，ＧＡＮＺｈａｏ‐ｈｕｉ１
，ＪＩＡＮＧＭｉｎ２
，ＬＥＩＺｅ
１
（１．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｏｖｅｒｃｏｍｅｔｈｅｐｒｏｂｌｅｍｓｏｆｂｅｈａｖｉｏｒａｌｓｅｇｍｅｎｔａｔｉｏｎ，ｉｎｃｌｕｄｉｎｇｓｍａｌｌｔｒａｉｎｉｎｇｓｅｔ，ｄｉｓｔｕｒｂｉｎｇｏｆａｃｔｉｖｉｔｙ‐ｕｎｒｅｌａｔｅｄｄａｔａ，ａｎａｃｔｉｖｉｔｙｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍｏｔｉｏｎｃａｐｔｕｒｉｎｇｄａｔａｗａｓｐｒｏｐｏｓｅｄ．Ｓｋｅｌｅｔｏｎｓｔｒｅａｍｗａｓｏｂｔａｉｎｅｄｕｓｉｎｇｔｈｅｍｏ‐ｔｉｏｎｃａｐｔｕｒｅｅｑｕｉｐｍｅｎｔＫｉｎｅｃｔ，ｂｏｄｙｐｏｓｔｕｒｅｆｅａｔｕｒｅｓｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｓｋｅｌｅｔｏｎｓｔｒｅａｍ，ａｃｔｉｖｉｔｙｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｄｅｃｉｓｉｏｎｔｒｅｅａｎｄｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇｗａｓｐｅｒｆｏｒｍｅｄ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｃａｎｇｅｔｂｅｔｔｅｒｒｅｓｕｌｔｓｗｉｔｈｂｅｔｔｅｒ
ｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｃｏｍｐａｒｅｄｔｏｔｈｅｅｘｉｓｔｉｎｇｍｅｔｈｏｄｓ．
Ｋｅｙｗｏｒｄｓ：ａｃｔｉｖｉｔｙｒｅｃｏｇｎｉｔｉｏｎ；ｍｏｔｉｏｎｃａｐｔｕｒｅ；Ｋｉｎｅｃｔ；ｄｅｃｉｓｉｏｎｔｒｅｅ；ｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇ
０ 引 言
Ｋｉｎｅｃｔ动捕设备可以方便地获取人体关节点数据，因
其卓越的性能而受到了众多研究者的关注。Ｐａｃｋｅｒ等
［１］
将
Ｋｉｎｅｃｔ采集到的人体关节点的姿态轨迹分析与操作物品的识别结合在一起以研究人体行为识别的问题；ＰＫ等［２］将Ｋｉｎｅｃｔ采集的人体三维骨架数据转换为关节角度特征，再
使用支持向量机算法对人体行为进行识别；Ｓｈｏｔｔｏｎ等［３］通过Ｋｉｎｅｃｔ检测人体的关节点，利用随机森林算法来识别人体的行为；Ｘｉａ等［４］以提取的人体三维骨架数据为基础，为每类行为建立隐马尔可夫模型（ｈｉｄｄｅｎＭａｒｋｏｖｍｏｄｅｌ，ＨＭＭ），从而识别人体行为；韩旭
［５］
根据Ｋｉｎｅｃｔ获取到的
骨架数据构造人体关节的向量特征，采用ＢＰ神经网络和动态时间规整（ｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇ，ＤＴＷ）算法识别人体的行为。
到目前为止，采用Ｋｉｎｅｃｔ采集到的人体骨架流数据进行人体行为识别的方法面临的困难有以下几点：人体行为分割问题、训练集规模过小问题和非行为数据的干扰问题。
本文研究的目标是监控场景中人体的日常行为识别，而人体的日常行为中以周期性动作，如走路、跑步或者小幅度变化或静态姿势动作为主，特别是在室内场景中大部分都是小幅度变化或静态姿势动作。因此，本文提出了一种基于动作捕获数据的行为识别方法，该方法将人体行为识别问题分为面向典型静态姿态的行为识别和面向动态姿