计算机科学
計算機科學
계산궤과학
Computer Science
2015年
9期
299-302
,共4页
张鸿宇%刘威%许炜%王辉
張鴻宇%劉威%許煒%王輝
장홍우%류위%허위%왕휘
姿态识别%深度图像%多学习者
姿態識彆%深度圖像%多學習者
자태식별%심도도상%다학습자
Gesture recognition%Depth image%Multiple learner
在数字化学习场景中,人体姿态的识别有助于分析学习者的学习状态.提出了一种基于深度图像的多学习者姿态识别方法.首先通过Kinect的红外传感器获取包含深度信息的图像,利用深度图像进行人像-背景分离;然后提取人体的轮廓特征Hu矩;最后采用SVM分类器对轮廓特征进行分类和识别.实验结果表明,本方法能有效地识别多个学习者的举手、正坐和低头等姿态.
在數字化學習場景中,人體姿態的識彆有助于分析學習者的學習狀態.提齣瞭一種基于深度圖像的多學習者姿態識彆方法.首先通過Kinect的紅外傳感器穫取包含深度信息的圖像,利用深度圖像進行人像-揹景分離;然後提取人體的輪廓特徵Hu矩;最後採用SVM分類器對輪廓特徵進行分類和識彆.實驗結果錶明,本方法能有效地識彆多箇學習者的舉手、正坐和低頭等姿態.
재수자화학습장경중,인체자태적식별유조우분석학습자적학습상태.제출료일충기우심도도상적다학습자자태식별방법.수선통과Kinect적홍외전감기획취포함심도신식적도상,이용심도도상진행인상-배경분리;연후제취인체적륜곽특정Hu구;최후채용SVM분류기대륜곽특정진행분류화식별.실험결과표명,본방법능유효지식별다개학습자적거수、정좌화저두등자태.
