作者：苏竑宇 陈启安 吴海涛行为识别融合特征
摘要：人体行为识别对于个人辅助机器人和智能家居等一些智能应用，是非常必要的功能，本文运用SVM＆HMM混合分类模型进行日常生活环境的人体行为识别。首先，使用微软的Kinect（一种RGBD感应器）作为输入感应器，提取融合特征集，包括运动特征、身体结构特征、极坐标特征。其次，提出SVM＆HMM模型， SVM＆HMM二级模型发挥了SVM和HMM各自的优点，既结合了SVM适于反映样本间差异性特点，又发挥了HMM适合处理连续行为的特点。该二级模型克服了单一SVM模型、传统HMM模型和在人体复杂和相似行为建模过程中精度、鲁棒性和计算效率上的不足。通过大量实验，结果表明SVM＆HMM二级模型对室内日常行为的识别具有较高的识别率，且具有较好的区分性和鲁棒性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
