[發明專利]基于形狀上下文的動作識別方法及裝置

有效

• 申請號: 201410214490.5
• 申請日: 2014-05-20
• 公開（公告）號: CN103955680B
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 陳雁;陳敏;胡祝銀;吳悅;顧文錦
• 申請（專利權）人: 深圳市賽為智能股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 深圳市博銳專利事務所44275
• 代理人: 張明

技術領域

本發明涉及圖像處理技術領域，尤其涉及基于形狀上下文的動作識別方法及裝置。

背景技術

人體行為識別作為計算機視覺領域的一個新興技術，在人機交互和視頻監控等方面具有廣泛的應用前景。目前，可應用的場合分別有運動捕捉、監控視頻分析、視頻分類、體育運動與娛樂視頻處理、智能家居開發、人機交互、環境控制與監視等等。

目前主要的人體行為識別方法大致可以分為基于目標跟蹤、基于形狀模板匹配、基于光流和基于時空興趣點這四大類。基于目標跟蹤和形狀模板匹配的方法要求建立精確的人體模板，系統魯棒性相對較差。基于光流的方法利用光流信息進行行為識別，容易受到噪聲以及光照強度變化的干擾。基于時空興趣點分析的方法通過濾波和非極值抑制法提取出興趣點，從時空興趣點中提取人體動作的時空運動特征作為識別的依據。這類方法對于低分辨率視頻以及噪聲和攝像頭運動造成的干擾魯棒性效果不佳。為此，有必要對上述的人體行為識別方法進行進一步改進。

發明內容

本發明所要解決的技術問題是：提供一種能夠提高人體行為識別率的基于形狀上下文的動作識別方法及裝置。

為了解決上述技術問題，本發明采用的技術方案為：提供一種基于形狀上下文的動作識別方法，包括如下步驟：

S01、采集多幀連續的人體動作的視頻圖像；

S02、提取視頻圖像中任意一幀圖像中的人體輪廓，其中人體輪廓由若干輪廓點組成；

S03、計算人體輪廓中所有輪廓點與關鍵輪廓庫中所包含的關鍵輪廓中輪廓點的形狀距離，所述關鍵輪廓為標準人體動作；

S04、依次對人體輪廓中所有輪廓點選擇與其距離最小的關鍵輪廓庫中的關鍵輪廓，并對該關鍵輪廓投票；

S05、統計關鍵輪廓庫中的關鍵輪廓的得票數，將視頻圖像中的人體動作識別為得票數最多的關鍵輪廓歲對應的標準人體動作。

為解決上述技術問題，本發明采用的另一技術方案為：提供一種基于形狀上下文的動作識別裝置，包括順次電連接的視頻采集模塊、圖像提取模塊、計算模塊、動作解析模塊以及動作識別模塊；所述視頻采集模塊，用于采集多幀連續的人體動作的視頻圖像；所述圖像提取模塊，用于提取視頻圖像中任意一幀圖像中的人體輪廓，其中人體輪廓由若干輪廓點組成；所述計算模塊，用于計算人體輪廓中所有輪廓點與關鍵輪廓庫中所包含的關鍵輪廓中輪廓點的形狀距離，所述關鍵輪廓為標準人體動作；所述動作解析模塊，用于依次對人體輪廓中所有輪廓點選擇與其距離最小的關鍵輪廓庫中的關鍵輪廓，并對該關鍵輪廓投票；所述動作識別模塊，用于統計關鍵輪廓庫中的關鍵輪廓的得票數，將視頻圖像中的人體動作識別為得票數最多的關鍵輪廓歲對應的標準人體動作。

本發明的有益效果在于：本發明通過依次對人體輪廓中所有輪廓點選擇與其距離最小的關鍵輪廓庫中的關鍵輪廓，并且對關鍵輪廓進行投票后，根據得票數最多的關鍵輪廓識別該幀圖像的標準人體動作，能夠對視頻的圖像進行很好的識別。另外，采用投票的方式進行識別，能夠減少環境中的噪聲對行為識別的影響，行為識別的準確率越高。

附圖說明

圖1是本發明基于形狀上下文的動作識別方法的流程圖；

圖2是順時針邊界跟蹤算法的一實施例示意圖；

圖3是順時針邊界跟蹤算法的另一實施例實施例示意圖；

圖4是邊界跟蹤算法按照順時針方向檢測出來的邊界結果示意圖；

圖5是“走路”動作的輪廓示意圖；

圖6是“跳躍”動作的輪廓示意圖；

圖7是圖5和圖6疊加在一起的示意圖；

圖8是圖5和圖6人體輪廓的最佳匹配結果示意圖。

具體實施方式

為詳細說明本發明的技術內容、構造特征、所實現目的及效果，以下結合實施方式并配合附圖詳予說明。

本發明最關鍵的構思在于:本方案通過依次對人體輪廓中所有輪廓點選擇與其距離最小的關鍵輪廓庫中的關鍵輪廓并進行投票，根據得票數最多的關鍵輪廓識別該幀圖像的標準人體動作，能夠對視頻的圖像進行很好的識別。

請參閱圖1，一種基于形狀上下文的動作識別方法，包括如下步驟：

S01、采集多幀連續的人體動作的視頻圖像；

S02、提取視頻圖像中任意一幀圖像中的人體輪廓，其中人體輪廓由若干輪廓點組成；

S03、計算人體輪廓中所有輪廓點與關鍵輪廓庫中所包含的關鍵輪廓中輪廓點的形狀距離，所述關鍵輪廓為標準人體動作；