基于双向LSTM的复杂环境下实时人体姿势识别

提出了一种基于双向长短时记忆网络(long short-term memory,LSTM)的实时人体姿势识别方法.将OpenPose作为人体姿态估计模块获取人体的二维关节点数据,根据数据缺失情况判断人体是否处于遮挡状态.对于非遮挡情况,构建基于双向LSTM的分类器,将初始的二维关节点信息送入分类器进行人体姿势识别;对于遮挡状态,利用深度摄像机内参进行三维映射,构建躯干向量和关节角度,使用主成分分析对上述高维特征进行处理后送入分类器进行人体姿势识别.在KTH数据集以及实验室收集的包含5种人体姿势的数据集上进行验证,结果表明,该算法在非遮挡情况下准确率较传统模型以及深度学习模型分别取得了2.63％和1.08％的提升.在遮挡情况下准确率较传统模型取得了5.6％的提升.实现了在复杂环境下的人体姿势识别.