[发明专利]基于集成隐马尔可夫模型学习方法的人体运动数据的识别方法

摘要

本发明公开了一种基于集成隐马尔可夫模型学习方法的人体运动数据的识别方法。本方法对人体运动捕获数据提取二维几何特征，然后引入非线性流型学习的降维方法对运动特征数据进行有效的降维，最后采用基于自适应的推进算法的隐马尔可夫集成学习器对运动数据库里的运动进行学习，实现常规运动类型快速检索。该方法提取的二维几何特征很好的表达了运动的本质属性，扩展的非线性流形学习的降维方法成功地将高维运动特征映射到能反映数据间内在联系的低维空间中，从而极大的消除了数据冗余。同时本发明通过对降维数据用集成的隐马尔可夫模型学习的方法进行学习，使得运动能够在高精度的基础上自动地被识别和归类。

主权项

1.一种基于集成隐马尔可夫模型学习方法的人体运动数据的识别方法，其特征在于包括如下步骤：(1)从三维人体运动数据中，提取一种能反映局部几何关系的二维几何特征；(2)采用非线性流形学习的降维算法，把高维原始数据投影到一个低维的子空间里，通过这个低维空间揭示人体运动的内在结构，实现数据降维；(3)采用学习主成分特征核函数来对降维进行逼近，实现非线性流形学习算法的扩展，使之能够处理训练集之外的新运动数据；(4)对于降维之后的运动数据采用隐马尔可夫模型进行学习，得到基于二维几何特征的常见运动类型的隐马尔可夫模型参数；(5)采用自适应的推进算法，对弱隐马尔可夫模型建立了一个加强型的集成学习器，完成对运动的识别。