[發明專利]一種基于滑動窗口局部匹配窗口的動作識別方法

有效

• 申請號: 201410432364.7
• 申請日: 2014-11-05
• 公開（公告）號: CN104408461B
• 公開（公告）日: 2018-03-16
• 發明（設計）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）人: 浙江工業大學
• 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所有限公司33241
• 代理人: 王利強

技術領域

本發明涉及視頻識別領域，尤其是一種動作識別方法。

背景技術

人體運動特征描述是對序列圖像中人體姿態信息的表達，它是人體動作識別的重要組成部分。人體運動是鏈式非剛體的運動，即身體各部分的運動是剛體運動，而從整體來看，人體的運動又呈現高度的非線性、非剛體性。

人體動作識別主要分為基于時空的動作識別方法和基于序列的動作識別方法。首先在訓練視頻集中為每一個動作構造對應的三維X-Y-T模型，然后通過匹配待識別動作序列與訓練集各動作的三維X-Y-T模型，確定該測試動作的種類?；跁r空的動作識別方法主要包括以下三類：基于時空卷的識別方法、基于運動軌跡的識別方法、基于時空局部特征的識別方法。

現有的識別方法存在的缺陷：無法識別相似的動作，識別率較低。

發明內容

為了克服動作識別方法的無法識別相似的動作，識別率較低的不足，本發明提供一種有效識別相似的動作、識別率較高的基于滑動窗口局部匹配窗口的動作識別方法。

本發明解決其技術問題所采用的技術方案是：

一種基于滑動窗口局部匹配窗口的動作識別方法，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關節點的位置，用姿態之間的3D位移差作為每幀深度圖的特征表達；

2)用聚類方法對訓練集中的描述子進行學習，得到特征集合，并用它對每個描述子進行特征表達，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行動作片段劃分，并得到每個動作片段的特征直方圖表達；

基于滑動窗口的局部匹配模型的特征匹配過程如下：假設訓練集中學習得到的特征碼本個數為M，每個動作序列經處理后包含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串聯起來，就是整個動作的特征表達。

進一步，所述步驟2)中，采用局部訓練，首先用K-means聚類方法單獨對每一類動作的訓練集訓練得到特征集合，然后將從所有動作集中學習得到的特征集合組成能夠表征整個訓練集的動作特征集合，最后將每類動作映射到訓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。

再進一步，所述步驟2)中，對每一個姿態描述子進行量化編碼。令P為從動作序列中獲得的姿態特征描述子，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]表示對應特征碼字集F的權值，*表示元素間相乘，d_i是局部適配因子，選取d_i為非線性的表達式，同時引入了最近相似距離distMin作為參考；

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為用于調節權重的系數；

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

更進一步，所述步驟4)中，假設訓練集中的動作序列X分成了p個片段,對應的動作片段特征表達為H₀(X),H₁(X)…,H_p-1(X)，則整個動作X的特征表達為：H(X)＝[H₀(X),H₁(X)…,H_p-1(X)]。