《表5 S1子集的混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于3D运动轨迹解析与隐马尔可夫模型的动作识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过实验结果与数据统计表明，提出的算法具有良好的识别效果，可有效处理复杂运动模式。原因是本文算法主要是采用了基于Kalman线性平滑器来降低干扰信息，减少干扰信息对轨迹数据的影响，同时保持形状和运动特性，并将3D轨迹分解和解析成不同的轨迹基元。设计了一种形状描述符，将轨迹基元进一步分割成子基元，每个运动轨迹表示为子基元的时间序列，从而避免详细的局部形状信息丢失。通过对3D轨迹的解析与表示，可有效表达各种复杂运动轨迹与特征，有利于后续的分类与学习。根据运动数据的先验知识，利用HMM来模拟运动分类，并嵌入MAP准则来进行运动识别，有效利用了上下文信息，提高对微小动作变化的检测，在各种复杂条件下能有效识别。而文献[4]中忽略了局部特征与光流特征，对相似运动和复杂动作的识别性能不佳。文献[5]中由于不能较好利用上下文信息，导致动作特征的空间和时间结构无法有效表示，影响了其性能。文献[6]中采用的基于边缘运动轨迹描述过程对噪声较为敏感，易受到环境的干扰。