基于雙Kinect的高爾夫球揮桿動作識別相關(guān)算法及其應(yīng)用研究.pdf

1、人工智能技術(shù)在近十年以來飛速的發(fā)展，人工智能的分支——計算機(jī)視覺技術(shù)相關(guān)應(yīng)用也越來越受到關(guān)注。其中，基于人體的動作跟蹤與識別的應(yīng)用更是研究熱點(diǎn)。微軟于2010年發(fā)布的Kinect是一個基于彩色圖像和深度圖像的視覺產(chǎn)品，其在體感應(yīng)用以及動作跟蹤識別方面取得了巨大的成功。但微軟基于成本的考慮，Kinect設(shè)備的分辨率不高，影響了其數(shù)據(jù)的準(zhǔn)確性，亟需通過軟件的方式進(jìn)行修正。
　　針對這個問題，本文在綜述了當(dāng)前研究背景的基礎(chǔ)上，希望找到一

2、個算法簡單、總體成本低廉的方法對Kinect所采集到的骨架的數(shù)據(jù)進(jìn)行修正，進(jìn)而通過這些數(shù)據(jù)對高爾夫揮桿動作進(jìn)行評分。所開展的具體研究工作如下:
　　(1)對研究方法中使用的相應(yīng)算法進(jìn)行研究:包括支持向量機(jī)及基于其改進(jìn)的光滑支持向量機(jī)技術(shù)、主成份分析法、向量量化與數(shù)據(jù)聚類、HMM算法等。
　　(2)應(yīng)用深度圖像特征對人體動作骨架進(jìn)行修正:針對Kinect采集的樣本中存在遮擋的問題，本文采用兩臺Kinect采集人體的骨架數(shù)據(jù)，并

3、通過關(guān)節(jié)坐標(biāo)變換與歸一化的方式對數(shù)據(jù)點(diǎn)進(jìn)行融合。然后又根據(jù)骨架存在偏差問題，本文提出通過平滑支持向量回歸機(jī)的方式對關(guān)節(jié)坐標(biāo)點(diǎn)進(jìn)行修正。
　　(3)評分系統(tǒng)的構(gòu)建:依據(jù)修正后的骨架數(shù)據(jù)，本文對動作進(jìn)行特征提取，采用整體數(shù)據(jù)與分段數(shù)據(jù)相結(jié)合的方式，通過HMM/SVM混合模型和決策級融合方式對高爾夫揮桿動作進(jìn)行評級，并輸出存在問題的關(guān)節(jié)。
　　本文中介紹的方法基于開源的OpenNI框架，所設(shè)計的算法都是在普通的PC單線程下運(yùn)行。通