论文阅读：Kinect-Based Substation Operation and Maintenance Action Recognition Method

摘要

变电站动作识别方法，自己建立的数据集，使用混合特征与cart算法，识别率达到98%。

实现

用Kinect2提取骨骼深度信息（？是否可以理解为提取骨骼三维坐标），转换成世界坐标，提取人体骨关节角度和关节点的归一化距离特征，建立数据集。使用了CART算法、KNN分类算法和BP神经网络三种方法。
获取数据：深度相机获取的深度图像素范围为(424×512)，深度数据范围为0.5-4.5m，深度数据[u,v,d]表示像素点(u,v)处的16位深度数据。（个人看法：与我使用的kinect dk相机通过SDK得到三维坐标，可计算得出距离以及角度是否相同,根据后文确定这就是可用SDK得到的关节点坐标）角度是：

选择的关节角度：

距离归一化计算：

模型

构建CART决策树模型、KNN模型和BP神经网络模型，分析三种模型的行为识别结果。

实验结果

通过混淆矩阵观察


基于混合特征的cart算法精度最高