基于Kinect体感传感器的异常行为检测算法研究(2)
1.2 本论文所完成工作及论文章节安排 本论文研究室内环境下，人的跳、跑、走、弯腰、坐和摔倒这6种日常行为，并把摔倒定义为异常行为，把跳等其他行为定义为正常行为，从而进行异常行为的检测与正常行为的识别。本文首先完成深度数据采集程序的设计和深度动作数据集的制作；之后分别利用 BP 神经网络和支持向量机两种方法进行行为识别，均能较好地检测出摔倒、弯腰和坐下这三种行为；最后利用骨骼的动态变化信息来进一步研究跳、跑、走这三种行为的识别，并完成了能够在视频监控中识别这6种行为的程序的设计。 论文余下章节安排如下：第 2 章简述 Kinect 的开发，并利用微软 Kinect SDK进行彩色和深度视频数据的采集，分析所讨论的 6种行为各自的特征文献综述；第 3章利用采集的深度信息，提取出人体骨骼特征，在此基础上分别采用 BP 神经网络和支持向量机的方法进行行为的识别和分析，并采用简化骨骼模型的方法进行特征降维；第4章在第3章的基础上，利用基于骨骼动态轨迹的方法对容易混淆的跳、跑、走这三种动作进行进一步分析，设计层次结构的行为分类器，并完成了这6种行为的实时识别程序的设计；最后总结全文。
下一篇：高射炮一次点射命中概率算法研究