基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型

发布时间：2021-05-07 13:57

　　文中旨在研究基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型。该模型先将待识别舞蹈视频图像实施腐蚀、膨胀、中心归一化等预处理,利用处理后图像提取舞蹈翻腾姿态能量图,通过离散余弦变换提取舞蹈翻腾姿态能量图频域特征,利用Contourlet变换提取舞蹈翻腾姿态能量图空域轮廓特征,采用特征级融合方法融合以上特征获取舞蹈轮廓图像的空频域特征向量集,再将待识别舞蹈视频序列候选姿态利用Baum-Welch算法训练为隐马尔可夫模型,利用舞蹈轮廓图像的空频域特征向量集将隐马尔可夫模型量化至观察序列,通过前向后向算法获取观察序列姿态概率,观察序列概率值最大的隐马尔可夫模型对应姿态即为所需识别舞蹈翻腾姿态。实验结果表明,该模型可较好地提取具有空频域特征的舞蹈轮廓图像,有效识别舞蹈视频中舞蹈翻腾姿态,且识别100帧有阴影舞蹈视频图像中舞蹈翻腾姿态识别准确率高于96%。 

【文章来源】：现代电子技术. 2019,42(24)北大核心

【文章页数】：5 页

【文章目录】：
1 舞蹈翻腾姿态识别模型
    1.1 提取舞蹈翻腾姿态能量图
    1.2 提取轮廓图像空频域特征
        1.2.1 提取频域特征
        1.2.2 提取空域轮廓特征
    1.3 舞蹈翻腾姿态识别
2 实验分析
    2.1 舞蹈翻腾姿态识别结果
    2.2 舞蹈翻腾姿态识别准确率
3 结论


【参考文献】：
期刊论文
[1]人群行为分析研究综述[J]. 王曲,赵炜琪,罗海勇,门爱东,赵方.  计算机辅助设计与图形学学报. 2018(12)
[2]基于姿态时空特征的人体行为识别方法[J]. 郑潇,彭晓东,王嘉璇.  计算机辅助设计与图形学学报. 2018(09)
[3]基于改进边缘活动轮廓模型的超声图像分割[J]. 倪晓航,肖明波.  计算机工程与设计. 2018(06)
[4]基于主视通路层级响应模型的轮廓检测方法[J]. 周涛,范影乐,朱亚萍,武薇.  航天医学与医学工程. 2018(03)
[5]面向情感语音识别的非线性几何特征提取算法[J]. 宋春晓,孙颖.  计算机工程与应用. 2017(20)
[6]时频域综合分析的雷达信号识别方法[J]. 康乃馨,何明浩,韩俊,王冰切.  现代防御技术. 2017(05)
[7]基于时空与或图模型的视频人体动作识别方法[J]. 易唐唐.  控制工程. 2017(09)
[8]基于空-频域特征和线性判别分析的视频步态识别[J]. 范哲意,蒋姣,曾亚军,翁澍沁,刘志文.  光学技术. 2017(04)
[9]频域内基于邻域特征学习的单幅图像超分辨重建[J]. 苏富林,钱素娟,魏霖静,孙连海.  计算机工程. 2017(05)
[10]基于灰度最值和方向纹理的概率滤波算法[J]. 陈家益,黄楠,熊刚强,谢翠萍.  计算机工程与应用. 2017(08)



本文编号：3173515