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