论文部分内容阅读
提出一种基于多特征融合的动作识别方法,利用随机森林学习框架融合RGB-D图像序列中的深度特征和时空特征。从深度图像序列中获取人的关节点位置信息,利用关节点坐标提取两种新的深度特征——位移特征和部件中心特征,共同描述人体三维结构信息。从RGB图像序列中提取稠密轨迹,保留前景内的轨迹排除背景干扰,利用词袋模型构建时空特征。最后,采用鲁棒高效的随机森林学习框架融合两种互补的特征。在MSR Daily Activity3D数据集上的实验结果表明,所提出的方法和特征能够有效地识别RGB-D图像序列中人的动作。