惯性类微动作多时空目标特征识别方法OA

惯性类微动作在时空维度具备复杂特性,其静态结构、整体运动趋势及局部动态特征相互交织且难以分离。目前传统方法在特征提取过程中仅依赖单一维度的特征提取,如静态特征点或动态特征点,导致对动作目标的描述不完整,难以准确反映其多层次的时空特性。此外,惯性传感器获取的运动数据与视觉特征之间的融合缺乏系统性整合机制,会进一步影响特征识别精度。为此,提出一种惯性类微动作多时空目标特征识别方法。该方法采用MoSIFT算法在惯性类微动作空间中提取静态特征点,并结合光流法的运动约束策略筛选出具有运动属性的时空特征点,从而实现对动作目标静态结构和整体运动变化的描述;同时,依托STIP算法的Harris3D检测器提取动态特征点,精准捕捉动作目标的局部动态细节特征。此外,依据惯性传感器获取的运动数据,提取速度、位移和旋转角度增量作为惯性特征,并与多时空特征共同整合,形成综合特征。最后,构建基于最小二乘支持向量机的识别模型,并将综合特征输入已训练模型,实现惯性类微动作多时空目标特征的精准识别。实验结果表明,所提方法可精准识别惯性类微动作多时空目标特征,在微小动作幅度下,灵敏度可达0.90以上。