1、人體運(yùn)動(dòng)識(shí)別是計(jì)算機(jī)視覺領(lǐng)域的重要研究課題之一,在安全監(jiān)控、人機(jī)交互等領(lǐng)域有重要的應(yīng)用價(jià)值。隨著深度傳感器的普及,深度信息逐漸被應(yīng)用到人體運(yùn)動(dòng)識(shí)別中。本文利用深度信息從全局表征和局部表征兩方面研究人體運(yùn)動(dòng)的表征方法,分別實(shí)現(xiàn)了基于深度信息多層運(yùn)動(dòng)歷史圖像和深度信息時(shí)空興趣點(diǎn)的人體運(yùn)動(dòng)識(shí)別方法。
　　本文的主要工作如下:
　　(1)闡述了人體運(yùn)動(dòng)識(shí)別的關(guān)鍵技術(shù)及研究現(xiàn)狀,深入地分析了當(dāng)前利用深度信息識(shí)別人體運(yùn)動(dòng)的相關(guān)方法并對(duì)目

2、前已有的人體運(yùn)動(dòng)深度信息數(shù)據(jù)庫(kù)進(jìn)行了詳細(xì)介紹。
　　(2)對(duì)運(yùn)動(dòng)歷史圖像的人體運(yùn)動(dòng)表征方法進(jìn)行改進(jìn),實(shí)現(xiàn)了基于深度信息的多層運(yùn)動(dòng)歷史圖像的人體運(yùn)動(dòng)全局表征方法,同時(shí)引入?變換對(duì)每層運(yùn)動(dòng)歷史圖像提取特征向量,用SVM分類器進(jìn)行分類識(shí)別。分別在文中建立的PMD數(shù)據(jù)庫(kù)和MSR Daily3D運(yùn)動(dòng)數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)并取得了較好的識(shí)別效果。
　　(3)研究了基于時(shí)空興趣點(diǎn)的人體運(yùn)動(dòng)局部表征方法,實(shí)現(xiàn)了Harris時(shí)空興趣點(diǎn)檢測(cè)與基于Ga