典型文献
基于Kinect深度信息获取的职业技能训练识别方法研究
文献摘要：
针对高校职业技能训练的国际化、终身化与智能化需求,文中对Kinect平台下的视频信息获取和人体动作识别方法进行了研究.基于Kinect平台下的人体骨架坐标系,采用CMOS、RGB摄像头获取骨骼信息与关节点数据.在定义了人体骨架坐标系下的动作变换极限的基础上,利用R、G、B 3个通道的线性变换构造出人体动作编码图(ACM).经K-means聚类后,即可得到用于动作识别的特征向量.在开放数据集MSRC-12上进行的实验中,使用主成分分析(PCA)对ACM中的特征向量维度进行缩减,降低算法运行所需的内存和时间.由实验结果可知,人体识别的效果受ACM像素间隔的影响较大.当像素间隔为8时,识别准确率最高为94.57％;当像素间隔为64时,识别准确率下降到50％以下.
文献关键词：
Kinect;职业训练;动作编码图;K-means聚类;主成分分析;支持向量机
中图分类号：
作者姓名：
杨睿
作者机构：
西安职业技术学院,陕西西安710077
文献出处：
引用格式：
[1]杨睿-.基于Kinect深度信息获取的职业技能训练识别方法研究)[J].电子设计工程,2022(13):64-68
A类：
动作编码图
B类：
Kinect,深度信息,信息获取,职业技能,技能训练,终身化,台下,视频信息,人体动作识别方法,人体骨架,坐标系,CMOS,RGB,摄像头,取骨,关节点数据,换极,线性变换,ACM,means,特征向量,开放数据,MSRC,向量维度,人体识别,像素,识别准确率,职业训练
AB值：
0.364432
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
