[發明專利]一種基于幾何不變量的視角不變的行為識別方法

有效

• 申請號: 200910081092.X
• 申請日: 2009-04-01
• 公開（公告）號: CN101853388A
• 公開（公告）日: 2010-10-06
• 發明（設計）人: 譚鐵牛;黃凱奇;張葉銀
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 梁愛榮

技術領域

本發明屬于模式識別領域，涉及計算機視覺和圖像處理等技術，特別是涉及視角不變的行為識別。

背景技術

隨著技術的發展以及硬件設備價格的逐漸降低，大量的監控攝像頭被安裝到各種場合，特別是那些對安全要求敏感的場合，如機場、社區、銀行、停車場、軍事基地等。動態場景的視覺監控是近年來備受關注的前沿研究方向，它從攝像機捕捉的圖像序列中檢測、識別、跟蹤目標并對其行為進行理解。盡管目前作為人類視覺延伸的監控攝像機在商業應用中已經普遍存在，但目前的監控系統在稍復雜的監控場景下，系統的性能遠遠達不到人們所預期的效果。因此，開發出具有實際意義的自動性、智能性的視覺監控系統日益變得迫切和必要。這就要求不僅能用攝像機代替人眼，而且能用計算機協助人、代替人，以完成監視或控制任務。

人的行為分析是計算機視覺領域的一個重要研究方向。它的目的是讓計算機能夠像人一樣理解人的行為。為了解決這一問題，首先必須找到能夠表達人的行為的有效的信息，然后對所獲取的信息利用數據挖掘方法以及機器學習方法建立數據信息與語義之間的關系。

人的行為分析不僅是理論的研究熱點，更是一個有著廣闊的應用前景的研究方向。

人的行為分析在智能視覺監控中的作用主要有以下幾點：

1.理解人的行為，對違規行為自動報警；

2.預測人的行為，采取有效的防御措施；

3.視頻數據的自動化處理和理解，將海量的視頻數據進行自動檢索。視角的變化會帶來圖像的投影失真。同一動作在不同視角拍下的圖片中呈現不同的外觀。視角的變化帶來的直接后果是圖像信息的減少，噪聲增多，所以傳統的利用人體輪廓特征，然后對圖像序列進行時間序列分析的方法已經不適合視角變化的要求。現有的視角不變的技術大多需要精確的人體的三維模型，然而獲取人體三維模型的不僅要付出很大的代價，而且計算得到的人體三維模型與真實的人體存在很大的誤差，不適合實際應用。

發明內容

要解決的技術問題：

本發明的目的是解決視角的變化會帶來圖像的投影失真，為了避免失真導致無法正確識別出圖像中人的行為，為此，本發明提出一種基于幾何不變量的視角不變的行為識別方法。

為了實現上述目的，本發明提供的基于幾何不變量的視角不變的行為識別方法，基于人的行為軌跡，包括行為訓練和行為識別兩個過程，如下：

步驟S1：對已標注人的行為類別的視頻圖像提取人體運動軌跡，對運動軌跡數據提取視角不變的行為特征，對已標注人行為類別的視頻圖像中人的運動軌跡的視角不變的特征進行訓練得到分類模型的參數，生成并建立人的行為分類模型；

步驟S2：對未標注人的行為類別的被測試的視頻數據提取人體運動軌跡，對軌跡數據提取視角不變的行為特征，將提取的視角不變的特征輸入到訓練得到的人的行為分類模型進行分類識別，得到人的行為類別。

優選地，所述人體運動部位的運動軌跡是從視頻數據庫提取出人體運動部位頭、手和腳的軌跡。

優選地，所述人的行為分類模型參數的獲取步驟如下：

步驟S11：對已標注人的行為類別的視頻數據的人體運動軌跡上相鄰的點，構造視角不變量-交比，計算并獲取已標注人的行為類別的視頻數據的人體運動軌跡的交比的值；

步驟S12：將從每條人體運動軌跡數據上計算出的交比值進行量化，并向直方圖的每個分量投票，得到已經標注人的行為類別的視頻數據人體運動軌跡的交比直方圖；

步驟S13：將得到的已標注人的行為類別視頻數據的行為軌跡的交比直方圖作為特征向量輸入到支持向量機進行訓練，獲得基于支持向量機的行為分類模型參數并將參數保存。

優選地，所述識別模塊的識別步驟：

步驟S21：對未標注人的行為類別的被測試視頻數據的運動軌跡上相鄰的點，構造被測試視頻數據人體運動軌跡上的視角不變量-交比，并計算出被測試視頻數據人體運動軌跡的交比值；

步驟S22：將從被測試視頻數據的每條人體運動軌跡上計算出的交比進行量化，并向直方圖的每個分量投票，得到被測試視頻數據的人體運動軌跡的交比直方圖；

步驟S23：利用訓練得到的支持向量機模型，對被測試視頻的人體運動軌跡數據的交比直方圖進行分類，得到當前人的行為類別。

優選地，所述行為軌跡是使用軌跡上的每相鄰的五個點構造出一對交比。

優選地，所述交比，是指同一直線上四點間線段長度之比的比是所要采用的一種視角不變量，交比具有投影不變性。

優選地，在行為分類中，以交比直方圖作為特征向量。

優選地，在行為分類中，是使用支持向量機對特征進行訓練，獲得能夠分辨行為的模型。