[發(fā)明專利]基于深度圖像序列的實時人體動作識別方法及裝置

有效

• 申請?zhí)枺?/td>: 201310192961.2
• 申請日: 2013-05-22
• 公開（公告）號: CN103246884A
• 公開（公告）日: 2013-08-14
• 發(fā)明（設計）人: 王貴錦;李艷麗;何禮;林行剛
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩

1.一種基于深度圖像序列的實時人體動作識別方法，其特征在于，包括步驟：

S1.從目標深度圖像序列中提取目標動作剪影，從訓練深度圖像集中提取訓練動作剪影；

S2.對訓練動作剪影進行姿勢聚類，并對聚類結果進行動作標定；

S3.計算目標動作剪影以及訓練動作剪影的姿勢特征；

S4.結合訓練動作剪影的姿勢特征進行基于高斯混合模型的姿勢訓練并構建姿勢模型；

S5.計算聚類結果的每個動作中各姿勢間的轉移概率并構建動作圖模型；

S6.根據所述目標動作剪影的姿勢特征、姿勢模型以及動作圖模型對目標深度圖像序列進行動作識別。

2.根據權利要求1所述的實時人體動作識別方法，其特征在于，所述步驟S3包括：

S31.將動作剪影在直角坐標系的三個坐標平面分別投影；

S32.在第c個坐標平面的投影輪廓上選取n^c個采樣點；

S33.對于每個采樣點計算其多維姿勢特征向量

S34.每個坐標平面上所有采樣點的多維姿勢特征向量的集合x^c組成姿勢特征{x^c}。

3.根據權利要求2所述的實時人體動作識別方法，其特征在于，所述步驟S33包括：

以為中心的a條輻線和以為圓心的b個同心圓形成k個網格；

多維姿勢特征向量表示第c個坐標平面上的其他采樣點q^c相對于的坐標分布：

hic(k)=#{qc≠pic,qc,pic∈fc:(qc-pic)∈bin(k)},c∈{1,2,3};]]>

其中，f^c表示第c個坐標平面上所有采樣點的集合。

4.根據權利要求3所述的實時人體動作識別方法，其特征在于，所述同心圓的直徑根據f^c中各采樣點距離的平均值l設置。

5.根據權利要求4所述的實時人體動作識別方法，其特征在于，a=12，b=5，k=60；所述同心圓的直徑分別為0.125l、0.25l、0.5l、l、2l。