基于支持向量机的姿态识别与标记系统的设计与实现

樊英泽，杨炼鑫，王彦博，张剑书

（南京工程学院，江苏 南京 211167）

0 引言

人体姿态识别就是通过视频图像或传感器获取人体关键点数据，构建人体骨架信息，并基于此判断人体的姿态和行为。人体姿态识别在人机交互方面有着非常重要的作用，同时也在人体运动分析、康复训练辅助以及智能安防等领域有着广泛的应用前景。因此，人体姿态的估计与识别一直以来都是国内外专家学者关注的研究热点。本文结合AlphaPose模型和支持向量机模型设计了一个人体姿态识别与标记系统。

1 姿态识别实现原理

1.1 姿态估计

目前，从原始数据获取方式的角度来看，人体姿态分类方法[1]主要可以分为基于传感器技术的方法[2]和基于计算机视觉的方法[3]这两大类。基于传感器技术的方法数据采集成本较高，且会影响运动的舒适性，因此更适合一些小规模少目标的专业运动分析领域。基于计算机视觉的方法可以让目标对象摆脱交互设备的束缚，更适合应用于公共场所这类多目标的姿态识别。本文通过AlphaPose模型[4]进行姿态估计。AlphaPose模型提出了RMPE（region multi-person pose estimation，区域多人姿态检测）框架来克服检测框质量不高的问题，主要分为三个部分：SSTN, NMS, PGPG。这套方法能够精确地将图片里的人物框提取出来，并将其鼻子，眼睛，耳朵，肩部，肘关节，腕关节，髋关节，膝关节，踝关节相应的坐标检测出来。

1.2 姿态分类

在利用AlphaPose模型提取目标关节点的位置信息后，根据各关节点的坐标向量即原始特征构造并提取出可用于人体姿态分类的有效特征，并通过SVM模型，结合训练数据集以及筛选出的人体姿态特征，训练人体姿态分类模型，实现基于AI的人体姿态分类。……