[發(fā)明專利]基于歸一化類谷歌量度矩陣的人體運(yùn)動(dòng)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310385267.2
• 申請(qǐng)日: 2013-08-29
• 公開（公告）號(hào): CN103413154A
• 公開（公告）日: 2013-11-27
• 發(fā)明（設(shè)計(jì)）人: 劉宏;孫倩茹
• 申請(qǐng)（專利權(quán)）人: 北京大學(xué)深圳研究生院
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11200
• 代理人: 余長江

1.基于歸一化類谷歌量度矩陣的人體運(yùn)動(dòng)識(shí)別方法，其步驟包括：

1)提取人體運(yùn)動(dòng)視頻中的興趣點(diǎn)，基于3D時(shí)空坐標(biāo)對(duì)每個(gè)興趣點(diǎn)的周圍局部區(qū)域進(jìn)行局部描述，得到所述興趣點(diǎn)子塊的3D-SIFT局部運(yùn)動(dòng)特征值；

2)根據(jù)所述3D-SIFT局部運(yùn)動(dòng)特征值對(duì)所述子塊進(jìn)行特征聚類得到不同類特征；

3)根據(jù)所述不同類特征進(jìn)行空間歸一化類谷歌量度和時(shí)間歸一化類谷歌量度計(jì)算，并配組得到歸一化類谷歌量度關(guān)系矩陣；

4)將所述歸一化類谷歌量度關(guān)系矩陣和詞袋法局部特征統(tǒng)計(jì)直方圖訓(xùn)練得到分類器，對(duì)人體運(yùn)動(dòng)進(jìn)行識(shí)別。

2.如權(quán)利要求1所述的基于歸一化類谷歌量度矩陣的人體運(yùn)動(dòng)識(shí)別方法，其特征在于，通過時(shí)空濾波器組得到視頻中的興趣點(diǎn)。

3.如權(quán)利要求1所述的基于歸一化類谷歌量度矩陣的人體運(yùn)動(dòng)識(shí)別方法，其特征在于，所述3D時(shí)空坐標(biāo)表示興趣點(diǎn)的空間橫縱坐標(biāo)和時(shí)間點(diǎn)，3D-SIFT局部運(yùn)動(dòng)特征值按照如下方法獲得：

1)在任意一個(gè)檢測(cè)到的興趣點(diǎn)p(x，y，t)周圍取2*2*2的像素模塊，對(duì)其梯度極坐標(biāo)進(jìn)行計(jì)算：

m3D(x,y,t)=Lx2+Ly2+Lt2]]>

θ(x，y，t)=tan^-1(L_y／L_x)

φ(x,y,t)=tan-1(Lt(Lx2+Ly2))]]>

2)其中的逼近算法L_x=L(x+1，y，t)-L(x-1，y，t)，L_y=L(x，y+1，t)-L(x，y-1，t)，L_t=L(x，y，t+1)-L(x，y，t-1)；

3)對(duì)計(jì)算得到的極坐標(biāo)值在以間隔的八個(gè)均勻的方向上進(jìn)行統(tǒng)計(jì)，得到的統(tǒng)計(jì)直方圖即為該中心興趣點(diǎn)的3D-SIFT局部運(yùn)動(dòng)特征。

4.如權(quán)利要求1所述的基于歸一化類谷歌量度矩陣的人體運(yùn)動(dòng)識(shí)別方法，其特征在于，采用K均值法聚類方法對(duì)所述子塊進(jìn)行特征聚類，所述K均值算法步驟如下：

1)確定特征聚類的中心點(diǎn)的個(gè)數(shù)k，隨機(jī)選擇k個(gè)訓(xùn)練樣本中的3D-SIFT特征值直接作為k個(gè)中心點(diǎn)；

2)對(duì)每個(gè)新特征值計(jì)算離它最近的中心點(diǎn)，確定其聚類中心點(diǎn)；

3)新增后計(jì)算此類3D-SIFT特征值的新的中心點(diǎn)，更新中心點(diǎn)的值；

4)重復(fù)以上步驟2)直到滿足每個(gè)類的收斂要求。