[發明專利]一種基于人體全局特征直方圖熵的動作檢測方法

有效

• 申請號: 201410148096.6
• 申請日: 2014-04-14
• 公開（公告）號: CN103927517B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 解梅;康欽謀;卜英家;張碧武
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66;G06T7/20
• 代理公司: 電子科技大學專利中心51203
• 代理人: 張楊

技術領域

本發明屬于計算機視覺技術領域，主要涉及視頻中的一種人體行為檢測方法。

背景技術

人體行為識別是計算機領域一個非常重要的分支，其目的是從未知視頻中自動分析人體行為，廣泛應用于各種監控場合，如ATM取款機、超市、城市交通十字路口旁都安裝有“電子眼”，在發生搶劫、打架、交通事故等突發事件時，具有人體行為識別功能的智能監控系統全天候工作，能在第一時間內發現并報警，為相關安全人員贏得時間，最大程度地減少財產損失、保障人身安全。

人體行為識別分屬很多類別范疇，如單層結構識別，層次結構識別；單層結構識別方法下，又有時空體方法、時空特點描述子方法、模式匹配法，并且，這些方法可以相互交叉，形成新的方法。在一般情況下，視頻圖像被分割僅剩下人體行為圖像，對該行為進行分類，然后據此對該視頻分類；更一般情況下，人體行為的連續識別包含整個行為的檢測過程。

專利201210065810.6公開了一種《基于主梯度方向特征的目標檢測及姿態估計方法》，該方法步驟包括模板訓練和目標檢測兩個階段。在模板訓練階段：首先拍攝被檢測物體不同角度的V張圖片，對拍攝到的一張圖片以一定的步長旋轉360度得到若干張模板圖片，計算模板圖片主梯度方向描述，通過主梯度方向描述對模板進行聚類處理，建立最強梯度模板集合；目標檢測階段：通過計算測試圖片的主梯度方向描述，與建立的最強梯度模板集合進行匹配，選取匹配分數最大的模板即為對于測試圖片的最優模板。該專利在建庫階段人工選取目標姿態及角度具有較大主觀性，導致建庫信息與實際情況不符，誤差較大；該專利通過主梯度方向描述目標特征，該方法計算量大，特征描述不準確，匹配難度大；當目標尺寸較小時，該專利無對應的處理方法，無法完成匹配。

發明內容

本發明的目的是針對背景技術的不足設計一種基于人體全局特征直方圖熵的動作檢測方法，從而達到提高人體動作識別精確度、簡化模板匹配步驟、縮短運算時間的目的。

本發明一種基于人體全局特征直方圖熵的動作檢測方法的技術方案分為建庫和識別兩個步驟。建庫階段：首先采集視頻，選擇出一段完整動作的視頻，再依次分割出該段視頻每一幀中各個運動人體的完整圖像，再求出該圖像的直方圖向量，然后對直方圖向量進行歸一化處理，再求出歸一化后各類相鄰圖像的均值向量，按順序鏈接各均值向量，得到一個均值向量維度×均值向量個數的矩陣，再求該矩陣的熵，得到一熵向量，然后對該熵向量歸一化處理，最后對歸一化后的熵向量定義，完成建立人體動作特征模板庫；識別階段：首先采集視頻，再根據建庫的方法求出一段視頻的熵向量，再歸一化處理，然后與模板庫進行匹配，找出最模板庫中最匹配的經歸一化處理的熵向量，其對應的定義為該段視頻的動作類型。

本發明的具體步驟如下：

步驟1：采集建立人體動作特征模板庫的視頻圖像；

步驟1-1：使用攝像頭采集包含運動人體的視頻，并對視頻進行分段，每段包含一個動作的完整過程，然后根據每段視頻的動作對該段視頻定義；

步驟1-2：選取一段視頻，利用高斯模型從該段視頻的每一幀中依次分割出若干尺寸盡可能小的子圖像，每個子圖像包含一個盡可能完整的人體形象；

步驟2：計算子圖像直方圖向量；

步驟2-1：根據子圖像中各像素灰度值大小判斷該像素是否為子圖像的背景，如果是，則對該像素重新賦值得到人體剪影圖像。

步驟2-2：將人體剪影圖像等分為若干各方形區域；

步驟2-3：對每個方形區域進行與人體輪廓信息相關的直方圖統計；

步驟2-4：將各區域統計的直方圖進行拼接，形成表示該人體剪影圖像的全局直方圖；

步驟2-5：對該全局直方圖進行歸一化處理，得到全局直方圖向量；

步驟3：對得到的全局直方圖向量進行k-means聚類，并對同一類全局直方圖向量標相同的編號；

步驟4：將全局直方圖向量按照其對應的視頻幀播放順序排列，計算相鄰且編號相同的全局直方圖向量的均值得到一均值向量，并對應替換計算前編號相同的若干全局直方圖向量，如這些編號序列具有周期性，則只選取其中的兩個周期；

步驟5：計算熵向量；

步驟5-1：將得到的所有均值向量的每個相同位置處的分量橫向鏈接，組成一個a×b的矩陣，其中a為均值向量的維度，b為均值向量的個數；

步驟5-2：對該矩陣的每一行求熵，得到一個熵向量；

步驟5-3：將該熵向量進行歸一化處理，得到一直方圖熵向量，然后根據最初選取視頻段的定義對該直方圖熵向量進行定義；