基于骨架姿态的人体活动识别

人体动作识别是人机交互的一项重要任务，因为机器人与人类的协作要求人工智能体从环境中识别复杂线索。一种有前景的方法是利用训练好的分类器，通过从图像或传感器的RGB-D数据中提取的骨架姿态序列来识别人体动作。然而，由于许多不同的数据集关注略有不同的动作集合并采用不同的算法，目前尚不清楚哪种策略能在家庭环境的室内活动中产生最高准确率。本工作讨论、测试并比较了经典算法——即支持向量机和k近邻——与两种类似的层次化神经气体方法：按需生长神经气体和生长神经气体。