[發(fā)明專利]一種基于滑動窗口局部匹配窗口的動作識別方法

有效

• 申請?zhí)枺?/td>: 201410432364.7
• 申請日: 2014-11-05
• 公開（公告）號: CN104408461B
• 公開（公告）日: 2018-03-16
• 發(fā)明（設(shè)計）人: 陳勝勇;王其超;沃波海;管秋;王鑫;汪曉妍;王萬良
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66;G06F17/30
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司33241
• 代理人: 王利強

1.一種基于滑動窗口局部匹配窗口的動作識別方法，其特征在于：包括如下步驟：

1)從立體相機中獲得場景中人的深度圖序列，從深度圖中提取出3D關(guān)節(jié)點的位置，用姿態(tài)之間的3D位移差作為每幀深度圖的特征表達(dá)；

2)用聚類方法對訓(xùn)練集中的描述子進(jìn)行學(xué)習(xí)，得到特征集合，并用它對每個描述子進(jìn)行特征表達(dá)，從而得到每幀圖像的編碼表示；

3)采用基于滑動窗口的局部匹配模型，對整個動作圖像序列進(jìn)行動作片段劃分，并得到每個動作片段的特征直方圖表達(dá)；

基于滑動窗口的局部匹配模型的特征匹配過程如下：假設(shè)訓(xùn)練集中學(xué)習(xí)得到的特征碼本個數(shù)為M，每個動作序列經(jīng)處理后包含n幀深度圖像，同時假定滑動窗口的尺寸為w，每次移動步長為l，則表示整個動作的特征向量的維度為

4)用一個長向量把所有片段的特征直方圖表達(dá)串聯(lián)起來，就是整個動作的特征表達(dá)；

所述步驟2)中，采用局部訓(xùn)練，首先用K-means聚類方法單獨對每一類動作的訓(xùn)練集訓(xùn)練得到特征集合，然后將從所有動作集中學(xué)習(xí)得到的特征集合組成能夠表征整個訓(xùn)練集的動作特征集合，最后將每類動作映射到訓(xùn)練得到的動作特征集合，得到每一類動作模型的特征直方圖分布圖；

所述步驟2)中，對每一個姿態(tài)描述子進(jìn)行量化編碼，令P為從動作序列中獲得的姿態(tài)特征描述子，每個特征描述子的維度為D，總共有N個特征，則令訓(xùn)練得到的碼本有M個碼字，即

編碼方式如下：

其中，C＝[c₁,c₂,...c_m]表示對應(yīng)特征碼字集F的權(quán)值，*表示元素間相乘，d_i是局部適配因子，選取d_i為非線性的表達(dá)式，同時引入了最近相似距離distMin作為參考；

di=exp(-((dist(pi,F)-distMin)/distMin)22σ2)---(2)]]>

其中，dist(p_i,F)＝[dist(p_i,f₁),dist(p_i,f₂),…,dist(p_i,f_M)]，dist(p_i,f_j)表示p_i和f_j之間的歐拉距離，σ為用于調(diào)節(jié)權(quán)重的系數(shù)；

distMin＝min{dist(p_i,f₁),dist(p_i,f₂),…,dist(p_i,f_M)}；

所述步驟4)中，假設(shè)訓(xùn)練集中的動作序列X分成了p個片段,對應(yīng)的動作片段特征表達(dá)為H₀(X),H₁(X)…,H_p-1(X)，則整個動作X的特征表達(dá)為：H(X)＝[H₀(X),H₁(X)…,H_p-1(X)]；當(dāng)有新的動作序列Y等待分類時，首先進(jìn)行特征提取，用特征重構(gòu)方法得到特征詞匯表達(dá)；然后動作片段劃分，用基于滑動窗口的局部匹配模型得到對應(yīng)片段的特征表達(dá)，H₀(Y),H₁(Y)…,H_p-1(Y)；最后依次連接局部特征表達(dá)，整個動作Y的特征表達(dá)為H(X)＝[H₀(Y),H₁(Y)…,H_p-1(Y)]；在分類過程中，通過直方圖相交操作進(jìn)行測試序列與訓(xùn)練集各類動作的相似度衡量：

Γ(H(X),H(Y))=Σj=1Mmin(H(X)j,H(Y)j)---(3)]]>

從而確定動作序列Y的分類；

所述步驟3)中，步長l和窗口尺寸w的選擇應(yīng)滿足以下條件：

14≤wn≤1313≤lw≤23---(4).]]>