使用深度梯度直方图和随机决策森林进行实时动作识别

我们提出了一种算法，该算法结合了来自深度图像和3D关节位置的判别信息，以实现高精度的动作识别。为了避免抑制细微的判别信息并处理局部遮挡，我们计算出许多独立局部特征的向量。每个特征在动作体积的特定时空位置编码深度和深度梯度的时空变化。此外，我们通过计算局部3D关节位置差异直方图来编码主要骨架运动。对于每个关节，我们计算一个3D时空运动体积，将其作为重要性指示符，并将其整合到特征向量中以改善动作区分。为了只保留判别特征，我们训练了一个随机决策森林（RDF）。在三个标准数据集上评估所提算法，并与九种最先进的算法进行比较。实验结果表明，所提出的算法在精度上平均优于所有其他算法，处理速度超过112帧/秒。