人体动作论文_王召军,许志猛

导读:本文包含了人体动作论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:动作,神经网络,卷积,人体,双流,卡尔,深度。

人体动作论文文献综述

王召军,许志猛^[1]（2019）在《基于低分辨率红外阵列传感器的人体身份和动作识别》一文中研究指出本文针对人体身份及动作识别的问题,提出一种基于低分辨率红外阵列传感器并使用卷积神经网络进行分类识别的方法,这种方法可以识别出人的身份和跌倒、坐下以及行走动作。本文使用的卷积神经网络是基于VGGNet搭建的,由输入层、5层卷积层、3层池化层、1层全连接层和输出层构成,自动提取红外热图像中的信息特征,对身份及动作进行分类,在良好的隐私保护下避免了繁琐的人工提取特征。经过实验测试,卷积神经网络算法识别动作平均准确率为93.3%,其中行走识别准确率达到100%,坐下识别准确率为90%,跌倒识别准确率为90%,身份识别准确率为96.7%。(本文来源于《电气技术》期刊2019年11期）

郭阿英,许志猛,陈良琴^[2]（2019）在《一种基于WiFi信道状态信息的人体动作识别方法》一文中研究指出人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中"蹲下"、"站起"、"坐下"、"捡起"和"走"5种动作的识别,实验结果表明平均识别率可达到96%。(本文来源于《传感技术学报》期刊2019年11期）

蒋留兵,魏光萌,车俐^[3]（2019）在《基于卷积神经网络的雷达人体动作识别方法》一文中研究指出利用雷达来识别人体动作对环境要求较低,且避免了摄像头带来的的隐私问题。针对这种需求,提出一种基于超宽带雷达和深度学习算法的人体动作识别方法。利用超宽带雷达的高距离分辨力,并针对人体动作的动态特性,提取出人体目标的距离-时间二维特征,弥补单一距离特征的不足。针对特征图采用一种经过优化的卷积神经网络进行识别。通过SIR-20高速探地雷达平台进行数据采集,对8种不同的人体动作进行识别,最终达到了平均99.2%的正确识别率,验证了该方法的可行性和有效性。(本文来源于《计算机应用与软件》期刊2019年11期）

李顺,郭星,吴建国^[4]（2019）在《基于关键帧和骨骼信息的人体动作识别方法》一文中研究指出提出了一种基于关键帧和骨骼信息的动作识别新方法。通过深度传感器Kinect v2实时获取人体各骨骼点信息,通过采用加权K-means算法提取动作视频中的关键帧。通过每个关键帧中25个骨骼点的叁维坐标值,计算出关节角度和向量模比值两种特征量,通过优化后的动态时间规整(DTW)算法计算关键帧序列与模板库中动作模板的相似度,从而识别人体的实时动作。通过对6种常见动作的识别实验对比,结果表明:所提方法在识别速度和准确率上较高,具有实际推广性。(本文来源于《传感器与微系统》期刊2019年11期）

张聪聪,何宁^[5]（2019）在《视频中的人体动作识别方法》一文中研究指出人体动作识别因其广泛的现实应用场景,成为了图像处理、计算机视觉、机器学习等领域的研究热点,但它仍然是一个具有挑战性的课题。随着深度学习技术的发展,以及计算能力的进步(如GPU等),基于视频的研究领域越来越受到重视,也为基于视频的人体动作识别研究带来了新的研究方向。文中主要介绍了传统方法和基于深度学习的人体动作识别的方法,传统方法主要从特征提取、特征编码和行为分类这3个方面进行介绍分析,深度学习方法主要介绍了基于叁维卷积神经网络、长短时记忆网络和双流网络的动作识别方法,并对这些方法在两个公开数据集上的识别率进行了对比。最后讨论了目前基于视频的人体动作识别所遇到的问题。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）

尹晓杰,何宁,魏润辰,刘佳敏^[6]（2019）在《人体动作识别中特征提取算法的研究综述》一文中研究指出传统的人体动作识别主要通过手动设计的方法来提取特征,它需要根据数据的特点精心设计算法,但会掺杂人的主观想法。深度学习能自动学习特征,并将特征学习融入到建立模型的过程中,从而减少了人为设计特征造成的不完备性。文中主要将传统的人体动作识别与基于深度学习的人体动作识别的特征提取算法进行对比和研究。(本文来源于《中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集》期刊2019-11-07）

刘琴^[7]（2019）在《人体功能链视角下功能动作训练研究》一文中研究指出本文从人体机能来观察人体功能动作训练的作用,重点分析和阐述了功能动作训练中的代偿、弱链等一些研究点,以筋膜链理论为切入点,针对人体开链-闭链环节出现弱链和损伤现象的原因进行了研究,丰富了功能性体能训练相关的理论,对减少因运动带来的损伤和有效的提高训练实际意义方面有着积极的影响。(本文来源于《体育世界(学术版)》期刊2019年09期）

郑誉煌,许柳飞^[8]（2019）在《基于卷积神经网络的人体动作识别研究》一文中研究指出卷积神经网络通过自主学习实现特征提取和分类,同时使用了局部连接和权值共享降低网络复杂度并提升学习效率.为了提高了人体动作识别的准确率,采用了卷积神经网络来实现人体动作识别,并在公开数据集中验证此算法的准确率.实验结果表明,人体动作图像分辨率、卷积核和神经网络参数选取对识别准确率有影响;在一般情况下,识别准确率可达99%以上,证实基于卷积神经网络的人体动作识别是一种稳定可行的识别方法.(本文来源于《广东第二师范学院学报》期刊2019年05期）

徐寅鹏,臧严,李秋洁^[9]（2019）在《基于关节数据的人体动作识别》一文中研究指出借助MSRC-12人体动作数据集中的动作样本数据,选取80个不同人体的相同动作序列作为训练数据,构建动作模板,选取除上述80个样本外的400个动作序列作为测试数据,分别提取两者骨骼向量的角度特征,运用动态时间规整算法(DTW)进行模板匹配,从而识别出人体典型动作。实验结果表明,不同人体执行的同一动作的多个样本作为训练模板时能够有效识别人体动作,但是在输入的动作序列与模板在时间上有一定差距时、次要部位的角度特征的变化占主要地位时会影响识别效果。(本文来源于《电脑知识与技术》期刊2019年27期）

张辉^[10]（2019）在《高强度运动下的人体动作图像识别方法研究》一文中研究指出针对传统动作识别方法一直存在提取成功率较低、提取时间较长等问题,提出了一种基于图像识别的自动跟踪方法对高强度运动下的人体动作进行识别。首先,应用双重卷积理论对高强度下人体动作的原形图像进行阈值分割,对人体动作进行特征提取。然后,结合高斯分布模型对获得的人体动作图像目标、背景和前景信息进行处理,得到人体动作图像背景的高斯分布模型,并采用卡尔曼滤波获取人体动作图像的跟踪轨迹。最后,应用贝叶斯分类理论,对人体动作图像的灰度信息构建目标模型,求解出人体动作图像的最优峰值点,实现多个目标的分割与跟踪。实验结果表明,通过图像识别的自动跟踪方法对人体动作特征提取具有良好的精确,且提取速度显着提高。(本文来源于《计算机仿真》期刊2019年09期）

人体动作论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

人体动作识别是以人为中心的物联网的核心技术之一。为了实现无需穿戴设备、低成本的动作识别系统,提出了一种基于WiFi信道状态信息(Channel State Information,CSI)的人体动作识别方法。该方法采用Hampel滤波结合离散小波去噪对CSI信息进行处理后,利用CSI幅度方差确定动作起止区间,从中提取CSI的特征向量,并用线性判别式分析算法(Linear Discriminant Analysis,LDA)分类器实现人体日常生活中"蹲下"、"站起"、"坐下"、"捡起"和"走"5种动作的识别,实验结果表明平均识别率可达到96%。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

人体动作论文参考文献

[1].王召军,许志猛.基于低分辨率红外阵列传感器的人体身份和动作识别[J].电气技术.2019

[2].郭阿英,许志猛,陈良琴.一种基于WiFi信道状态信息的人体动作识别方法[J].传感技术学报.2019

[3].蒋留兵,魏光萌,车俐.基于卷积神经网络的雷达人体动作识别方法[J].计算机应用与软件.2019

[4].李顺,郭星,吴建国.基于关键帧和骨骼信息的人体动作识别方法[J].传感器与微系统.2019

[5].张聪聪,何宁.视频中的人体动作识别方法[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019

[6].尹晓杰,何宁,魏润辰,刘佳敏.人体动作识别中特征提取算法的研究综述[C].中国计算机用户协会网络应用分会2019年第二十叁届网络新技术与应用年会论文集.2019

[7].刘琴.人体功能链视角下功能动作训练研究[J].体育世界(学术版).2019

[8].郑誉煌,许柳飞.基于卷积神经网络的人体动作识别研究[J].广东第二师范学院学报.2019

[9].徐寅鹏,臧严,李秋洁.基于关节数据的人体动作识别[J].电脑知识与技术.2019

[10].张辉.高强度运动下的人体动作图像识别方法研究[J].计算机仿真.2019

论文知识图

标签：动作论文;  神经网络论文;  卷积论文;  人体论文;  双流论文;  卡尔论文;  深度论文;