摘要
人体动作识别是计算机视觉与模式识别领域一个活跃的研究课题。近年来，随着新兴的RGB-D传感器的出现，利用三维（3D）深度数据进行人体动作识别展现出巨大潜力。为此，研究者们提出了多种基于深度信息的特征和/或算法。然而，一个关键问题随之产生：我们是否能够发现一些具有互补性的特征，并将其有效融合，从而显著提升基于深度数据的动作识别准确率？为回答这一问题并更深入地理解该任务的本质，本文系统研究了不同特征在基于深度视频的动作识别中的融合策略。尽管数据融合在其他领域已取得显著成功，但在三维动作识别任务中仍缺乏充分研究。当前仍存在若干亟待解决的问题，例如：特征融合是否确实有助于提升基于深度的动作识别性能？以及应采用何种合理的融合方式？针对这些问题，本文全面探讨了多种融合方案，采用多种不同特征对深度视频中的动作模式进行表征。研究分别从特征级融合与决策级融合两个层次展开，并在每一层次下探索了多种具体方法。本文共考虑了四种具有不同表征能力的特征，从多个角度刻画深度动作模式。为评估并筛选出最优的融合方法，实验在四个具有挑战性的深度动作数据库上进行。实验结果表明，本文所研究的四种特征具有良好的互补性，合理设计的融合策略能够显著提升识别准确率，优于任一单一特征的表现。更为重要的是，本文提出的基于融合的动作风格识别方法，在上述多个具有挑战性的数据集上均超越了现有最先进的技术水平。