[發明專利]一種基于哈爾特征和動態時序匹配的投籃動作識別方法

無效

• 申請號: 201010140038.0
• 申請日: 2010-04-02
• 公開（公告）號: CN101826155A
• 公開（公告）日: 2010-09-08
• 發明（設計）人: 耿衛東;林馳
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/64
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

技術領域

本發明涉及一種投籃動作識別方法，尤其涉及一種基于哈爾特征和動態時 序匹配的投籃動作識別方法。

背景技術

動作捕捉設備對場地、服裝和演員都有較高的限制，以光學捕捉設備為例， 演員需要穿著特定的服裝并貼上標記點，需要十分繁瑣的準備過程。應用從多 視點輪廓圖識別動作的方法，可以做到無標記點，以改善用戶體驗，提高交互 性。

在近年來動作識別的相關研究中，很多學者結合計算機視覺和機器學習等 知識，針對不同的應用領域和需求，提出了從二維圖像序列恢復三維動作的解 決方案，其研究成果主要被應用于智能監控、感知接口、運動分析和虛擬現實 等方面。如，K.Takahashi等人基于手部動作提出了一種全幀匹配方案，使用 spatio-temporal?vector?fields作為識別依據，使用CDP(Continuous?Dynamic Programming)定位，用于人的有限個手部動作的識別。而LIU?REN等則以舞蹈 動作為基礎，使用AdaBoost學習得到的矩形特征計算輪廓圖在這些特征上的海 明距離，后基于預先生成的動作圖(Motion?Graph)進行單幅圖像的局部敏感匹 配，最后合成與輸入最相近的姿勢序列。

發明內容

本發明的目的在于克服動作捕捉設備對場地、服裝和演員高限制，避免繁 瑣的準備過程，在無標記點的情況下快速而準確地識別出投籃動作。

基于哈爾特征和動態時序匹配的投籃動作識別方法，其特征在于包括以下 步驟：

1)預先用動作捕捉設備捕獲各種投籃動作存入數據庫中，將所有動作向兩 側輕微旋轉后渲染成多視角下的二維圖像，然后處理為輪廓圖儲存；

2)標記所有動作的投籃出手時刻、出手位置和出手方式，將所有動作分為 左手單手、右手單手和雙手三大類，并建立索引；

3)依據動作分類，在每一類中平均隨機取若干動作，取其出手時刻對應的 姿勢為樣本，按類標記，建立姿勢分類樣本庫；

4)依據動作分類，在每一類中平均隨機取若干姿勢對，取兩者圖像的異或 值為樣本，并以兩者三維骨架間的距離是否過大為標記，建立姿勢區分樣本庫；

5)對姿勢分類樣本庫和姿勢區分樣本庫中的每一個樣本，提取基于LUT 擴展的浮點哈爾特征；

6)使用Multiclass?Gentle?AdaBoost算法，針對浮點哈爾特征，從姿勢分類 樣本庫和姿勢區分樣本庫中分別抽取分類哈爾特征向量和度量哈爾特征向量；

7)運行時，通過多視點攝像機拍攝人投籃的圖片序列，并處理為輪廓圖序 列作為輸入；

8)從圖像序列中籃球輪廓是否與人體輪廓分離及其速度、位置，判斷投籃 出手時刻；

9)使用分類哈爾特征向量，計算出手時刻對應姿勢的分類哈爾特征值，判 斷所屬類；

10)從數據庫中索引同一類的所有動作，作為備選相似動作；

11)對每一個備選相似動作，將其與輸入按出手時刻對齊，使用度量哈爾 特征向量計算兩兩姿勢間的度量哈爾特征值，再做動態時序匹配，得到匹配代 價；

12)取匹配代價最優的備選相似動作，作為輸入的識別結果。

基于哈爾特征和動態時序匹配的投籃動作識別方法，其特征在于，所述的 對姿勢分類樣本庫和姿勢區分樣本庫中的每一個樣本，提取基于LUT擴展的浮 點哈爾特征步驟包括：

1)選擇若干哈爾特征樣式，按照圖像大小和移動步長，選取不同的長度、 寬度和位置，定義若干哈爾特征；

2)對樣本庫中的每一個樣本所對應的二值輪廓圖像，對每個已定義的哈爾 特征，計算哈爾特征值；

3)對每個已定義的哈爾特征，將其值域等分為K個子域，對每個類c統計 每個子域中哈爾特征值落于該子域的樣本個數，得到樣本分布統計；

4)對每個已定義的哈爾特征，根據樣本分布統計，計算每個子域的類屬偏 向值，得到基于LUT擴展的浮點哈爾特征，類屬偏向值的計算公式是：