基于全局最优重参数化算法的人形骨架信号对齐
计算机视觉与模式识别
2018-07-23 v2 最优化与控制
摘要
分析和分类人体三维运动学的一般能力是开发具有社会适应力的人形机器人的关键步骤。机器可使用多种不同类型的信号来表示和刻画动作，如RGB视频、红外图和光流。特别地，骨架序列提供了人体运动的自然三维运动学描述，并可使用RGB+D相机实时获取。此外，骨架序列可泛化用于刻画人类和人形机器人的运动。全局最优重参数化算法(GORA)是一种新颖的、近期提出的信号对齐算法，其中信号被重参数化到全局最优的通用标准时间尺度(UST)。在此，我们引入一种用于骨架序列人形动作识别的GORA变体，称为GORA-S。我们简要回顾该算法的数学基础，并将其置于骨架序列动作识别问题的背景中。随后，我们介绍GORA-S并讨论其有效实现的参数与数值技术。然后，我们在计算效率和骨架匹配精度方面将其性能与DTW和FastDTW算法进行比较。我们的结果表明，GORA-S的复杂度显著低于任何被测DTW方法。此外，它展现出在速度与精度间有利的平衡，且该平衡在骨架采样频率变化下保持不变，使其具有一定通用性，可能非常适合于多种动作识别任务。
引用
@article{arxiv.1807.07432,
title = {Signal Alignment for Humanoid Skeletons via the Globally Optimal Reparameterization Algorithm},
author = {Thomas W. Mitchel and Sipu Ruan and Gregory S. Chirikjian},
journal= {arXiv preprint arXiv:1807.07432},
year = {2018}
}
备注
Humanoids 2018 initial submission; companion paper to arXiv:1807.05485