室内人类动作识别基于双 Kinect V2 和改进组合学习方法
Ruixiang Kan1, Hongbing Qiu1,2, Xin Liu3
1School of Information and Communication, Guilin University of Electronic Technology, Guilin 541004, China.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
这项研究介绍了一种新的双Kinect V2系统,用于室内识别人类行为,克服自我封闭和视线不清的挑战. 该系统在动作识别准确度方面实现了30.25%的改进.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
- 机器学习 机器学习
背景情况:
- 室内人类行动识别对于应用至关重要,但面临着自我封闭和非视线 (NLOS) 条件等挑战.
- 现有的非接触式系统在复杂的环境中面临着方向约束和识别限制的困难.
研究的目的:
- 开发一种新的系统,用于强大的室内人类行动识别,特别是解决自我封闭和NLOS场景.
- 提高在具有挑战性的室内环境中识别人类行动的精度和可靠性.
主要方法:
- 使用双 Kinect V2 系统与先进的传输控制协议 (TCP).
- 实施了基于本地化的数据适应性调整机制,以缓解自我封闭.
- 采用集体学习,包括使用模糊c-means-AdaBoost用于NLOS定位的Chirp声信号识别.
- 集成的随机森林和蝙蝠算法用于复杂的动作识别.
主要成果:
- 拟议的系统显著减轻了动态方向的自我封闭.
- 在NLOS环境中定位准确性通过优化的集体学习技术得到改善.
- 与最先进的方法相比,人类行动识别精度增加了30.25%.
结论:
- 新型双Kinect V2系统有效地处理室内人类行为识别中的自我封闭和NLOS情况.
- 先进的集体学习和适应机制在复杂的场景中提供了卓越的性能.
- 该系统在人动识别准确度方面取得了显著的飞跃,为各种应用提供了有前途的解决方案.
