基于概率PCA模型的三维人体运动分类  

3D Human Motion Classification with Probabilistic PCA Modeling

作　　者：蔡美玲[1,2] 邹北骥[1] 辛国江[1] 

机构地区：[1]中南大学信息科学与工程学院,长沙410083 [2]湖南涉外经济学院信息科学与工程学院,长沙410205

出　　处：《小型微型计算机系统》2012年第12期2669-2675,共7页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60970098;60803024;61173122)资助;国家自然科学基金重大研究计划项目(90715043)资助;教育部高等学校博士点基金;新教师基金项目(20090162110055)资助;浙江大学计算机辅助设计与图形学国家重点实验室开放课题(A1011)资助

摘　　要：提出基于概率主成分分析的三维人体运动自动识别与分类算法.它根据不同类别的人体运动应各有自己代表性的特征集,采用概率PCA方法建立各类动作的高斯分布模型;然后构建基于最小错误率贝叶斯决策理论的多分类器,实现对未知的动作序列(或具有代表性的帧)进行多分类决策.该方法具有概率模型的优点,适合高维数据处理;同时,这种方法能够提取运动数据的内在特征,较好地消除了运动数据在时间轴上的差异带来的问题,从而准确地对运动数据进行分类,实验结果证明了本文方法的有效性.A motion classification approach with Probabilistic Principle Component Analysis （PPCA）modeling is proposed to classify unknown motions. For each category, we derive its Gaussian Distribution Model with PPCA method, which captures the intrinsic fea- tures of a motion class. With these models, a polychotomizer to recognize single actions is easily obtained with discriminant functions determined by these models. Then an algorithm is presented to recognize the unknown motion based on the polychotomizer. The ap- proach possesses the advantages of PPCA model, which is more effective to high dimensional data processing. Moreover, this ap- proach extracts the intrinsic characteristics of data, and eliminates the differences caused by different length of various motion data. Experimental results show that our approaches are effective for motion recognition.

关 键 词：三维运动 概率PCA 高斯模型 运动分类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]