Motion State Recognition Method Based on 3d Dynamic Characteristics Research

LIU Ling-xia; SONG Qiang

Chinese

您当前的位置：

首页 >

文章列表页 >

Motion State Recognition Method Based on 3d Dynamic Characteristics Research

更新时间：2026-09-04

- Motion State Recognition Method Based on 3d Dynamic Characteristics Research
- Vol. 33, Issue 2, Pages: 93-96(2016)
- 作者机构：
  
  1. 安阳师范学院机构软件学院,河南,安阳,455000
  2. 安阳工学院机构计算机科学与信息工程学院,河南,安阳,455000
  3. 武汉理工大学信息工程学院,湖北,武汉,430000
- 作者简介：
- 基金信息：
- DOI：
  CLC：
- Published：2016
- 稿件说明：
移动端阅览
刘凌霞, 宋强. 基于三维动态特征的运动状态识别方法研究[J]. 微电子学与计算机, 2016, 33(2): 93-96, 101.

LIU Ling-xia, SONG Qiang. Motion State Recognition Method Based on 3d Dynamic Characteristics Research[J]. 2016, 33(2): 93-96.
刘凌霞, 宋强. 基于三维动态特征的运动状态识别方法研究[J]. 微电子学与计算机, 2016, 33(2): 93-96, 101. DOI：

LIU Ling-xia, SONG Qiang. Motion State Recognition Method Based on 3d Dynamic Characteristics Research[J]. 2016, 33(2): 93-96. DOI：

摘要

提出基于三维动态特征的运动状态识别方法.首先采用一种星型骨架组成结构揭示人体三维运动模式

利用GMM得到图像序列的前景图片

运用ISOMAP非线性算法的降维方法来取得低维数据子空间

把运动姿态三维数据投影到非线性流型低维子空间中

识别出运动状态的内在结构后分别研究人体运动的各个关节点

最后通过集成学习的方法生成隐马尔科夫学习器达到自动识别运动状态目的.仿真实验结果表明

提出方法的识别速度和精度对比传统方法有明显提高

证实了研究方法的可行性.

Abstract

Propose a motion state recognition method based on 3 d dynamic characteristics

first USES a star skeleton structure characterization of the human body 3 d motion

through GMM for image sequence foreground image

ISOMAP nonlinear dimension reduction of manifold learning method is used to generate a low dimensional data subspace

the motion of 3 d data projection to nonlinear flow pattern in the low-dimensional subspace

and identify the motion state of inner structure of human body movement is conducted for each key points of the study

based on the integration of learning have hidden markov study so that can be used to automatically identify the motion state. The simulation experimental results show that the recognition speed and accuracy of this method compared to traditional methods have obvious improve

confirmed the feasibility of research method.

关键词

Keywords

references

刘贤梅, 郝爱民, 赵丹. 基于混合遗传算法的人体运动捕获数据关键帧提取[J]. 模式识别与人工智能, 2011, 24(5): 619-628. DOI: 619

田苗, 冯进良, 文琴, 等. 基于Linux系统的指纹识别门禁系统的研究[J]. 电子设计工程, 2014, 22(2): 134-137. DOI: 134

沈军行, 孙守迁, 潘云鹤. 从运动捕获数据中提取关键帧[J]. 计算机辅助设计与图形学学报, 2004, 16(5): 719-723. DOI: 719

杨涛, 肖俊, 吴飞, 等. 基于分层曲线简化的运动捕获数据关键帧提取[J]. 计算机辅助设计与图形学学报, 2006, 18(11): 1691-1697. DOI: 1691

朱登明, 王兆其. 基于运动序列分割的运动捕获数据关键帧提取[J]. 计算机辅助设计与图形学学报, 2008, 20(6): 787-792. DOI: 787

肖俊, 庄越挺, 吴飞. 三维人体运动特征可视化与交互式运动分割[J]. 软件学报, 2008, 19(8): 1995-2003. DOI: 1995

刘云根, 刘金刚. 重建误差最优化的运动捕获数据关键帧提取[J]. 计算机辅助设计与图形学学报, 2010, 22(4): 670-675. DOI: 670

柴桦, 邹北骥. 基于条件随机场的连续运动识别技术[J]. 计算机工程和科学, 2009, 31(5): 53-56. DOI: 53

杨跃东, 王莉莉, 郝爱民, 等. 基于几何特征的人体运动捕获数据分割方法[J]. 系统仿真学报, 2007, 10(19): 2229-2234. DOI: 2229

谢林海, 刘相滨. 基于不变矩特征和神经网络的步态识别[J]. 微计算机信息, 2007, 23(7): 279-281. DOI: 279

杨跃东, 王莉莉, 郝爱民. 运动串: 一种用于行为分割的运动捕获数据表示方法[J]. 计算机研究与发展, 2008, 45(3): 527-534. DOI: 527

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

A feature-oriented context understanding and slice analysis network for tuberculosis detection

High gain stability high temperature operational amplifier based on reverse body bias

Research on the design of blockchain-based AI-generated content traceability framework

A review of large model development: technological evolution from BERT to Deepseek

Research on assembly action recognition based on MSS-YOLO-MPHands fusion architecture

Related Author

No data

Related Institution

No data

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰