专利名称：一种动作识别方法和系统的制作方法
技术领域：
本发明涉及动作识别领域，特别涉及一种动作识别方法和系统。
背景技术：
动作识别是近年来非常热门的研究领域，通过图像捕捉设备，在较短的
时间内完成对人体动作的识别过程，并转换为计算机等设备的操作指令；从 而被作为 一 种有效的输入手段被应用到游戏、电影制作等广泛的应用领域 中。
动作识别首先要解决的问题是找到人体动作的部位，人体动作的部位是 动作识别的依据， 一般称为"关注位置"。因为通常关注位置为人脸、手等 棵露的部位，其颜色跟环境、衣服有比较大的区别，所以可以从颜色上4巴关 注位置与非关注位置区分开。对于关注位置的确定， 一般采用基于颜色分布 统计的色彩直方图为依据，具体来说，是将人体动作捕捉为静态的待识别图 像，根据图像不同区域(两区域中心位置、大小有任意一项不同则这两个区 域为不同区域)的颜色统计出其色彩直方图，然后把各区域的统计直方图与 预设的直方图作比较，寻找最相似的区域作为最后的关注位置。
但这种方法对颜色要求很高，人穿着与肤色相近的衣服、周围环境与肤 色相近、环境光色调单一等等因素都会导致识别率大幅下降。且该方法只能 获得所关注位置在图像的哪个位置，而无法获得关注位置的具体表达含义。
为消除颜色对图像识别的影响，现有的识别技术通常先把待识别图像转 化为灰度图，然后对得到的灰度图进行识别。待识别图像被转化为灰度图后， 需要用经过神经网络等人工智能技术训练的识别系统从整体中根据轮廓线 条走向、各部分位置关系等特征寻找到关注位置，例如从人的全身像里找到脸或者手。
目前，在开源计算机视觉库(Open Computer Vision Library, OpenCV ) 项目中，采用了 一种基于简单特征级联(Cascade of Simple Features )的图 像识别算法，采用该算法的动作识别过程大致可分为两个部分，首先要通过 训练过程生成特征文件，之后通过识别过程根据生成的特征文件对捕获的图 像进行识别，得到识别结果。
图1为现有的训练过程流程图，如图l所示，该方法包括
步骤101,获取训练图片。
获取需要训练的带有动作特征的训练图片，这些图片可以预先通过摄像 头或相机等图像捕捉设备捕捉。
步骤102,标定待识别动作位置。
在训练图片上标定待识别动作在图片中的具体位置，也就是关注位置， 可以通过编辑训练图片实现。 步骤103，创建训练样本。
创建训练样本可以按照训练图片直接创建，也可以先将训练图片转换为 灰度图后，根据灰度图创建训练样本。 步骤104,生成特征文件。
其中步骤104中生成特征文件时，可以根据一个或多个训练样本生成。 图2为现有的识别过程流程图，如图2所示，该方法包括 步骤201，捕获图像。
可以通过摄像头或者相机等图像捕捉设备捕获动作图像。 步骤202,根据特征文件进行识别。
识别时可以是直接使用捕获的图像与特征文件进行彩色直方图比对，也 可以先将捕获的图像转换为灰度图后根据灰度图的特征文件进行识别。 步骤203,获取识别结果。
上述方法中，由于动作识别系统的工作环境与训练环境可能会有比较大 的差别，可能训练时效果很好， 一到实用就识别错误。且在偏色环境光(即
7环境光的颜色单一)照射下，不同颜色的部分，比如衣服和皮肤，会呈现差 不多的颜色，只是看起来亮度有少许差别，即使这时候把彩色图像转化为灰 度图，本来有明显颜色区分的部分也可能变得难以分辨，因此不管是使用彩 色图像或灰度图进行训练和识别，在偏色环境光的照射条件下，都会存在不 容易区分关注位置的问题，从而使识别的正确率降低。
发明内容
本发明实施例提供一种动作识别方法，可以减少偏色环境光对动作识别 的影响，提高识别正确率。
本发明实施例提供一种动作识别系统，可以减少偏色环境光对动作识别 的影响，提高识别正确率。
为达到上述目的，本发明的技术方案具体是这样实现的 一种动作识别方法，该方法包4舌
在训练过程中，将训练图片转换为灰度图像及多个不同颜色通道图像， 并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件；
在识别过程中，将捕获图片转换为灰度图像及多个不同颜色通道图像， 并分别与所述灰度图像及多个不同颜色通道图像对应的特征文件进行比專交， 获得对应的识别结果，根据所有识别结果综合得到最终识别结果。
一种动作识别系统，该系统包括
训练模块，用于将训练图片转换为灰度图像及多个不同颜色通道图像， 并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件； 图像捕捉模块，用于捕捉动作，生成捕获图片。
识别模块，与所述图像捕捉模块及训练模块相连，用于将所述图像捕捉 模块生成的捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所 述训练模块生成的灰度图像及多个不同颜色通道图像对应的特征文件进行 比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。
由上述的技术方案可见，本发明的这种动作识别方法和系统，在训练过程中，将训练图片转换为灰度图像及多个不同颜色通道图像，并分别生成与
所述灰度图像及多个不同颜色通道图像对应的特征文件；在识别过程中，将
捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所述灰度图像 及多个不同颜色通道图像对应的特征文件进行比较，获得对应的识别结果， 根据所有识别结果综合得到最终识别结果。通过增加不同颜色通道图像的训 练和识别，可以在偏色光环境下使用所占颜色强度较弱的颜色图像特征文件 进行识别，从而提高在偏色光环境下的动作识别正确率。
图l为现有训练过程流程图2为现有识别过程流程图3为本发明实施例的动作识别方法总体流程图4为本发明实施例的训练过程流程图5为本发明实施例的识别过程流程图6为本发明实施例的动作识别系统结构示意图7为本发明实施例的训练模块具体结构示意图8为本发明实施例的识别模块具体结构示意图。
具体实施例方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举 实施例，对本发明进一步详细说明。
本发明主要是在图像训练和识别的过程中将训练图像和待识别图像转 换为多个不同的颜色通道图像以及灰度图像，并分别进行训练和识别，最后 综合不同颜色通道图像和灰度图像的识别结果，得到最后的识别结果。
其原理为通常情况下的偏色环境光只是某个颜色的光为主，实际上全 光谱的颜色都有，所以反射光中也包含各种颜色，如果不用强度大的颜色作 分析，而改用强度比较弱的颜色做识别，就完全可以区分出不同的颜色。因此本发明没有单纯的使用灰度图，而是将彩色图分为多个不同的颜色通道图 像及灰度图分别做处理，最后综合所有不同的颜色通道图像及灰度图的识别 结果，就可以得到最后的识别结果。
图1为本发明实施例的动作识别方法总体流程图，如图3所示，该方法
包括如下步骤
步骤301,在训练过程中，将训练图片转换为灰度图像及多个不同颜色通 道图像，并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件；
步骤302,在识别过程中，将捕获图片转换为灰度图像及多个不同颜色 通道图像，并分别与所述灰度图像及多个不同颜色通道图像对应的特征文件 进行比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。
训练过程中具体可以包括在训练图片中标定待识别动作的位置，以及创建 训练样本等步骤。其中，在训练图片中标定待识别动作的位置发生在转换训练 图片之前，与现有技术相同，这里就不再赘述了；而创建训练样本是生成特征 文件前所需的步骤，可以根据训练图片的具体转换方式对应创建，如对所述训 练图片转换的灰度图像及多个不同颜色通道图像，分别创建对应的训练样本， 然后再根据所述训练样本生成与所述灰度图像及多个不同颜色通道图4象对应的 特征文件。
而识别过程中，对捕获图片的转换与选练过程中对训练图片的转换相对应， 训练时转换成什么类型的图像，识别时也转换为相同类型的图像，这样才能进 行相应的比较和识别。
对训练图片和捕获图片进行转换时，除灰度图像以外，还可以根据具体需 要确定转换为多少个不同颜色通道的图像，例如可以转换为红(R)、绿(G)、 蓝(B)三色通道的图像，也可以转换成其他颜色通道的图像，转换的数量越 多，识别速度越慢。
下面以OpenCV的识别算法进行手势识别，并转换为红、绿、蓝三色通道 图像为例，对本发明的动作识别方法的具体过程进行描述。
图4为本发明实施例的训练过程流程图，如图4所示，该流程包括如下步骤
步骤401，获取训练图片。
获取需要训练的带有动作特征的训练图片，这些图片可以预先通过摄像头 或相机等图像捕捉设备捕捉。
步骤402,标定待识别动作位置。
在训练图片上标定待识别动作在图片中的具体位置，也就是关注位置。 步骤403,转换训练图片。
将训练图片转换为红、绿、蓝(R、 G、 B)三色通道图像及灰度图像共4 组图像。
步骤404，分别创建红、绿、蓝三色通道图像及灰度图像训练样本。 可以使用OpenCV的createsample工具创建训练样本，例如在创建手势1
的训练样本时，手势1的训练图片为正样本，其它手势的训练图片为负样本。
其他手势的训练样本创建方法相同，依次类推。
步骤405,根据红、绿、蓝三色通道图像及灰度图像的训练样本生成对应
的特征文件。
可以对各训练样本使用OpenCV的haartraining工具生成对应的Haar特征 级联分类器文件，也就是与红、绿、蓝三色通道图像及灰度图像的训练样本对 应的特4i文^牛。
图5为本发明实施例的识别过程流程图，如图4所示，该流程包括如下 步骤
步骤501,捕获图像。
可以通过摄像头或者相机等图像捕捉设备捕获人体手势的图像。 步骤502，转换捕获图像。
将捕获的图像转换为红、绿、蓝三色通道图像及灰度图像共4组图像。 步骤503，分别根据红、绿、蓝三色通道图像及灰度图像的特征文件对 转换为红、绿、蓝三色通道图像及灰度图像的捕获图像进行识别。 具体的识别方法与现有技术相同，这里就不再赘述了。步骤504,获取红、绿、蓝三色通道图像及灰度图像的识别结果。
分别对红、绿、蓝三色通道图像及灰度图像共4个图像用各手势对应的 Haar分类器作检查，得到识别结果。
步骤505,综合得到最终识别结果。
对4种图像的识别结果进行综合评估，得到最终的识别结果。具体综合 评估方法可以根据实际需要制定，例如4组识别结果中，有两个或两个以上 确定识别出是某一种手势，则最终识别结果可以确定捕获的图像是这种手 势。
本发明同时提供了一种实现上述方法的动作识别系统，图6为本发明实 施例的动作识别系统结构示意图，如图6所示，该系统包括
训练模块601,用于将训练图片转换为灰度图像及多个不同颜色通道图 像，并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件。图像捕捉模块603,用于捕捉动作，生成捕获图片。
识别模块602,与所述图像捕捉模块603及训练模块601相连，用于将 所述图像捕捉模块603生成的捕获图片转换为灰度图像及多个不同颜色通 道图像，并分别与所述训练模块601生成的灰度图像及多个不同颜色通道图 像对应的特征文件进行比较，获得对应的识别结果，根据所有识别结果综合 得到最终识别结果。
其中，训练模块的具体结构如图7所示，图7为本发明实施例的训练模 块具体结构示意图，较佳地，训练模块可以包括
动作标定单元701,用于在训练图片中标定待识别动作的位置；
训练图片转换单元702,与所述标定单元相连，用于将所述标定单元输 出的标有待识别动作位置的训练图片转换为灰度图像及多个不同颜色通道 图像；
样本创建单元703,与所述转换单元相连，用于对所述转换单元转换的 灰度图像及多个不同颜色通道图像分别创建对应的训练样本；
特征文件单元704，与所述样本创建单元相连，根据所述样本创建单元创建的训练样本生成与所述灰度图像及多个不同颜色通道图像对应的特征 文件。
较佳地，若将训练图片转换为红(R)、绿(G)、蓝(B)三色通道的
图像及灰度图像，所述训练图片转换单元702包括
R转换子单元，与所述动作标定单元701相连，用于将所述标定单元输 出的标有待识别动作位置的训练图片转换为红色通道图像；
G转换子单元，与所述动作标定单元701相连，用于将所述标定单元输 出的标有待识别动作位置的训练图片转换为绿色通道图像；
B转换子单元，与所述动作标定单元701相连，用于将所述标定单元输 出的标有待识别动作位置的训练图片转换为蓝色通道图像；
灰度转换子单元，与所述动作标定单元701相连，用于将所述标定单元 701输出的标有待识别动作位置的训练图片转换为灰度图像；
相应地，所述样本创建单元703，分别创建与红色、绿色、蓝色及灰度 通道图像对应的训练样本，具体包括
R创建子单元，与所述R转换子单元相连，用于创建所述R转换子单元输 出的红色通道图像的训练样本；
G创建子单元，与所述G转换子单元相连，用于创建所述G转换子单元输 出的绿色通道图像的训练样本；
B创建子单元，与所述B转换子单元相连，用于创建所述B转换子单元输 出的蓝色通道图像的训练样本；
灰度创建子单元，与所述灰度转换子单元相连，用于创建所述灰度转换 子单元输出的灰度通道图像的训练样本。
相应地，所述特征文件单元704，分别生成与红色、绿色、蓝色及灰度 通道图像的训练样本对应的特征文件，具体包括
R特征子单元，与所述R创建子单元相连，用于生成所述R创建子单元创 建的红色通道图像的训练样本对应的特征文件；
G特征子单元，与所述G创建子单元相连，用于生成所述G创建子单元创建的绿色通道图像的训练样本对应的特征文件；
B特征子单元，与所述B创建子单元相连，用于生成所述B创建子单元创 建的蓝色通道图像的训练样本对应的特征文件；
灰度特征子单元，与所述灰度创建子单元相连，用于生成所述灰度创建 子单元创建的灰度通道图像的训练样本对应的特征文件。
图8为本发明实施例的动作识别模块具体结构示意图，如图8所示，识 别模块包括
捕获图片转换单元801,与所述图像捕捉模块603相连，用于将所述图 像捕捉模块生成的捕获图片转换为灰度图像及多个不同颜色通道图像；
特征比较单元802,与所训练模块601相连，用于将所述捕获图片转换 单元转换的灰度图像及多个不同颜色通道图像分别与所述训练模块生成的 灰度图像及多个不同颜色通道图像对应的特征文件进行比较，获得对应的识 别结果；
综合识别单元803,与所述特征比较单元802相连，用于根据所述特征 比较单元获得的所有识别结果综合得到最终识别结果。
较佳地，与训练模块601将训练图片转换为红(R)、绿(G)、蓝(B) 三色通道的图像及灰度图像对应，捕获图片转换单元801包括
R通道子单元，与所述图像捕捉模块603相连，用于将所述图像捕捉模 块捕获的图像转换为红色通道图像；
G通道子单元，与所述图像捕捉模块603相连，用于将所述图像捕捉模 块捕获的图像转换为绿色通道图像；
B通道子单元，与所述图像捕捉模块603相连，用于将所述图像捕捉模 块捕获的图像转换为蓝色通道图像；
灰度通道子单元，与所述图像捕捉模块603相连，用于将所述图像捕捉-模块捕获的图像转换为灰度通道图像；
相应地，所述特征比较单元802，用于将所述捕获图片转换单元801转 换的灰度图像及红、绿、蓝三色通道图像分别与所述训练模块601生成的灰度图像及红、绿、蓝三色通道图像对应的特征文件进行比较，获得对应的识
别结果；具体包括
R比较子单元，与所述R通道子单元及训练模块相连，用于将R转换 子单元转换的红色通道图像与所述训练模块输出的红色通道特征文件进行 比较，得到红色通道的识别结果。
G比较子单元，与所述G通道子单元及训练模块相连，用于将G转换 子单元转换的红色通道图像与所述训练模块输出的绿色通道特征文件进行 比较，得到绿色通道的识别结果。
B比较子单元，与所述B通道子单元及训练模块相连，用于将B转换 子单元转换的红色通道图像与所述训练模块输出的蓝色通道特征文件进行 比较，得到蓝色通道的识别结果。
灰度比较子单元，与所述灰度通道子单元及训练模块相连，用于将灰度 转换子单元转换的红色通道图像与所述训练模块输出的灰度通道特征文件 进行比较，得到灰度通道的识别结果。
所述综合识别单元803,具体用于根据所述R比较子单元、G比较子单 元、B比较子单元和灰度比较子单元得到的红色通道的识别结果、绿色通道 的识别结果、蓝色通道的识别结果和灰度通道的识别结果，综合得到最终识 别结果。
另夕卜，动作识别系统中，所述图像捕捉模块603可以采用摄像头或相机 等图像捕捉设备实现。
上述动作识别系统中各模块、单元等具体实现方法及执行操作可以参考 上述动作识别方法实施例，这里就不再赘述了 。
由上述的实施例可见，本发明的这种动作识别方法，在训练过程中，将 训练图片转换为灰度图像及多个不同颜色通道图像，并分別生成与所述灰度 图像及多个不同颜色通道图像对应的特征文件；在识别过程中，将捕获图片 转换为灰度图像及多个不同颜色通道图像，并分别与所述灰度图像及多个不 同颜色通道图像对应的特征文件进行比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。通过不同颜色通道图像和灰度图象分别对 动作进行训练和识别，其中某一种颜色通道可能在偏色光环境下成为强度较 小的颜色，此时的识别率将大幅-提高，/人而增加在偏色光环境下动作#皮正确 识别的可能性，减少了偏色光环境对动作识别的影响，同时，图像转换过程 并不需要很多的处理量，且对各图像进行识别的过程是同时进行的，总体对 识别速度的影响很小，可以忽略不计。
所应理解的是，以上所述仅为本发明的较佳实施方式而已，并不用于限 定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等 同替换、改进等，均应包含在本发明的保护范围之内。
权利要求
1、一种动作识别方法，其特征在于，该方法包括在训练过程中，将训练图片转换为灰度图像及多个不同颜色通道图像，并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件；在识别过程中，将捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所述灰度图像及多个不同颜色通道图像对应的特征文件进行比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。
2、 如权利要求1所述的动作识别方法，其特征在于，所述多个不同颜色通 道图像为红、绿、蓝三色通道图像。
3、 如权利要求1或2所述的动作识别方法，其特征在于，所述分别生成与 灰度图像及多个不同颜色通道图像对应的特征文件，包括对所述训练图片转 换的灰度图像及多个不同颜色通道图像，分别创建对应的训练样本，根据所述 训练样本生成与所述灰度图像及多个不同颜色通道图像对应的特征文件。
4、 如权利要求3所述的动作识别方法，其特征在于，所述训练图片中标有 待识别动作的位置。
5、 一种动作识别系统，其特征在于，该系统包括训练模块，用于将训练图片转换为灰度图像及多个不同颜色通道图像，并 分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件； 图像捕捉模块，用于捕捉动作，生成捕获图片。识别模块，与所述图像捕捉模块及训练模块相连，用于将所述图像捕捉模 块生成的捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所述训 练模块生成的灰度图像及多个不同颜色通道图像对应的特征文件进行比较，获 得对应的识别结果，根据所有识别结果综合得到最终识别结果。
6、 如权利要求5所述的动作识别系统，其特征在于，所述训练模块包括 动作标定单元，用于在训练图片中标定待识别动作的位置； 训练图片转换单元，与所述标定单元相连，用于将所述标定单元输出的标有待识别动作位置的训练图片转换为灰度图像及多个不同颜色通道图像；样本创建单元，与所述转换单元相连，用于对所述转换单元转换的灰度图像及多个不同颜色通道图像分别创建对应的训练样本；特征文件单元，与所述样本创建单元相连，根据所述样本创建单元创建的 训练样本生成与所述灰度图像及多个不同颜色通道图像对应的特征文件。
7、如权利要求6所述的动作识别系统，其特征在于，所述训练图片转换单 元包括红R转换子单元，与所述动作标定单元相连，用于将所述标定单元输出的 标有待识别动作位置的训练图片转换为红色通道图像；绿G转换子单元，与所述动作标定单元相连，用于将所述标定单元输出的 标有待识别动作位置的训练图片转换为绿色通道图像；蓝B转换子单元，与所述动作标定单元相连，用于将所述标定单元输出的 标有待识别动作位置的训练图片转换为蓝色通道图像；灰度转换子单元，与所述动作标定单元相连，用于将所述标定单元输出的 标有待识别动作位置的训练图片转换为灰度图像。所述样本创建单元包括R创建子单元，与所述R转换子单元相连，用于创建所述R转换子单元输 出的红色通道图像的训练样本；G创建子单元，与所述G转换子单元相连，用于创建所述G转换子单元输 出的绿色通道图像的训练样本；B创建子单元，与所述B转换子单元相连，用于创建所述B转换子单元输 出的蓝色通道图像的训练样本；灰度创建子单元，与所述灰度转换子单元相连，用于创建所述灰度转换子 单元输出的灰度通道图像的训练样本。所述特征文件单元包括R特征子单元，与所述R创建子单元相连，用于生成所述R创建子单元创 建的红色通道图像的训练样本对应的特征文件；G特征子单元，与所述G创建子单元相连，用于生成所迷G创建子单元创建的绿色通道图像的训练样本对应的特征文件；B特征子单元，与所述B创建子单元相连，用于生成所述B创建子单元创 建的蓝色通道图像的训练样本对应的特征文件；灰度特征子单元，与所述灰度创建子单元相连，用于生成所述灰度创建子 单元创建的灰度通道图像的训练样本对应的特征文件。
8、 如权利要求7中任一项权利要求所述的动作识别系统，其特征在于，所 述识别模块包括捕获图片转换单元，与所述图像捕捉模块相连，用于将所述图像捕捉^t块 生成的捕获图片转换为灰度图像及多个不同颜色通道图像；特征比较单元，与所述训练模块相连，用于将所述捕获图片转换单元转换 的灰度图像及多个不同颜色通道图像分别与所述训练模块生成的灰度图像及多 个不同颜色通道图像对应的特征文件进行比较，获得对应的识别结果；综合识别单元，与所述特征比较单元相连，用于根据所述特征比较单元获 得的所有识别结果综合得到最终识别结果。
9、 如权利要求8所述的动作识别系统，其特征在于，所述捕获图片转换单 元包括R通道子单元，与所述图像捕捉模块相连，用于将所述图像捕捉模块捕获 的图像转换为红色通道图像；G通道子单元，与所述图像捕捉模块相连，用于将所述图像捕捉模块捕获 的图像转换为绿色通道图像；B通道子单元，与所述图像捕捉模块相连，用于将所述图像捕捉模块捕获 的图像转换为蓝色通道图像；灰度通道子单元，与所述图像捕捉模块相连，用于将所述图像捕捉模块捕 获的图像转换为灰度通道图像。所述特征比4交单元，用于将所述捕获图片转换单元转换的灰度图像及红、 绿、蓝三色通道图像分别与所述训练模块生成的灰度图像及红、绿、蓝三色通道图像对应的特征文件进行比较，获得对应的识别结果；所述综合识别单元，用于根据所述特征比较单元获得的灰度图像及红、绿、 蓝三色通道图像的识别结果综合得到最终识别结果。
10 、如权利要求5~9中任一权利要求所述的动作识别系统，其特征在于， 所述图像捕捉模块采用摄像头或相机实现。
全文摘要
本发明公开了一种动作识别方法，该方法在训练过程中，将训练图片转换为灰度图像及多个不同颜色通道图像，并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件；在识别过程中，将捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所述灰度图像及多个不同颜色通道图像对应的特征文件进行比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。通过增加不同颜色通道图像的训练和识别，可以在偏色光环境下使用所占颜色强度较弱的颜色图像特征文件进行识别，从而提高在偏色光环境下的动作识别正确率。本发明还同时公开了一种动作识别系统。
文档编号G06K9/00GK101477627SQ20091007746
公开日2009年7月8日 申请日期2009年2月12日 优先权日2009年2月12日
发明者钟文杰 申请人:北京像素软件科技股份有限公司