[發(fā)明專利]一種人體行為動(dòng)作快速識別方法及裝置

有效

• 申請?zhí)枺?/td>: 201410467813.1
• 申請日: 2014-09-15
• 公開（公告）號: CN104298964B
• 公開（公告）日: 2017-08-11
• 發(fā)明（設(shè)計(jì)）人: 胡碩;陳鈺昕;左亞青
• 申請（專利權(quán)）人: 燕山大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 秦皇島一誠知識產(chǎn)權(quán)事務(wù)所(普通合伙)13116
• 代理人: 李合印

技術(shù)領(lǐng)域

本發(fā)明涉及視頻圖像處理領(lǐng)域，尤其涉及一種人體行為動(dòng)作識別方法及裝置。

背景技術(shù)

人體行為分析的目的是理解和識別人的個(gè)體動(dòng)作，人與人之間的交互運(yùn)動(dòng)，人與周圍環(huán)境的交互關(guān)系等。行為識別已經(jīng)應(yīng)用于許多領(lǐng)域，如安防系統(tǒng)，醫(yī)學(xué)康復(fù)，以及家庭娛樂等。它可以利用計(jì)算機(jī)技術(shù)，在不需要人為干預(yù)或者盡少加入人為干預(yù)的條件下，實(shí)現(xiàn)基于視頻的人體檢測、人體跟蹤及對人體的行為的理解。

傳統(tǒng)的人體行為識別主要是對人體的關(guān)鍵部位進(jìn)行檢測及跟蹤并達(dá)到識別的目的。主要方式是在受測對象的主要關(guān)節(jié)位置上附著標(biāo)志性亮點(diǎn)，通過捕捉這些標(biāo)志亮點(diǎn)的運(yùn)動(dòng)軌跡來辨別出受測者的運(yùn)動(dòng)形態(tài)，如走路、跑步等運(yùn)動(dòng)形態(tài)，甚至還可以根據(jù)數(shù)據(jù)和經(jīng)驗(yàn)判斷出受測者的性別。但是，上述方法主要的缺點(diǎn)是應(yīng)用場所具有局限性，而且僅能識別簡單動(dòng)作，對復(fù)雜動(dòng)作無法識別或識別精度較差。

目前，隨著計(jì)算機(jī)硬件設(shè)備的進(jìn)步及計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于視頻的人體行為分析正朝著更加智能、自然和高效的方向發(fā)展。例如：專利號為201210566810.4的“一種視頻監(jiān)控中的人體行為識別方法”專利文件中，提供了一種行為識別方法，該方法通過檢測和表示局部時(shí)空特征、計(jì)算局部時(shí)空特征與類別相關(guān)性、計(jì)算視頻幀與類別相關(guān)性、檢測和識別人體行為。上述方法首先對視頻采集單元采集到的視頻，使用三維Harris局部特征檢測方法，將視頻轉(zhuǎn)化為局部時(shí)空特征集合；然后對于檢測到的時(shí)空特征，使用類別比對互信息方法計(jì)算每個(gè)時(shí)空特征屬于各個(gè)類別的相關(guān)性得分；然后根據(jù)所求得的時(shí)空特征屬于各個(gè)類別的相關(guān)性得分，視頻幀與類別的相關(guān)性得分表示為該幀上所有時(shí)空特征得分的平均值；最后根據(jù)所求得視頻幀與類別的相關(guān)性得分，使用最大值子序列搜索方法定位和識別人體行為。

但是，上述方法介紹的類似現(xiàn)有技術(shù)中還是存在著不少的問題。例如，現(xiàn)有技術(shù)不能直接對不同的目標(biāo)進(jìn)行分離，可能出現(xiàn)多個(gè)目標(biāo)被檢測為單個(gè)目標(biāo)，或單個(gè)目標(biāo)被分割成多個(gè)目標(biāo)等情況。另外，現(xiàn)有技術(shù)由于需要在圖像中進(jìn)行全局搜索,因此通常具有較高的計(jì)算復(fù)雜度，計(jì)算時(shí)間較長，往往達(dá)不到實(shí)際應(yīng)用的實(shí)時(shí)性要求。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種顯著降低匹配時(shí)間和計(jì)算復(fù)雜度、保證識別精度、提高識別實(shí)時(shí)性的一種人體行為動(dòng)作快速識別方法及裝置。

為實(shí)現(xiàn)上述目的，采用了以下技術(shù)方案：

本發(fā)明所述的人體行為動(dòng)作快速識別方法，按以下步驟進(jìn)行：

(1)通過視頻采集單元采集人體行為動(dòng)作的視頻，利用背景減方法檢測運(yùn)動(dòng)并提取人體剪影及其表達(dá)；所述背景減方法是在R、G、B空間分布中進(jìn)行背景減操作來檢測運(yùn)動(dòng)，對圖像分別在R、G、B3個(gè)通道設(shè)定閾值，若任一通道的值大于該閾值，則將所有通道的值都設(shè)為255；反之，若沒有任何通道的實(shí)際像素值大于該閾值，則維持原狀；

在視頻處理領(lǐng)域，背景減方法是獲得運(yùn)動(dòng)圖像的一個(gè)常用的手段。傳統(tǒng)的背景減方法是對灰度圖像進(jìn)行處理，缺點(diǎn)是對光線變化比較敏感，容易缺失一些運(yùn)動(dòng)信息。采用上述背景減方法后，能很好地區(qū)別某些在灰度值接近而顏色不同的區(qū)域，提高了人體剪影提取的完成性。

(2)對提取好的人體剪影進(jìn)行輪廓提取，使用區(qū)域掃描算法提取剪影輪廓，并生成鏈表；選取其中最長的鏈表以排除部分外部干擾和內(nèi)部空洞，將其重新描繪，獲得所需要的人體剪影輪廓圖像；

(3)對提取的人體剪影輪廓使用k-mean聚類獲得k個(gè)最能突出其特點(diǎn)的幀，即為關(guān)鍵幀，并進(jìn)行標(biāo)記；

(4)利用具有時(shí)空特征的算子來加速行為動(dòng)作識別過程；

首先，記錄關(guān)鍵幀輪廓的中心位置，并根據(jù)位置信息計(jì)算特征算子w；

特征算子w的確定方法為：記錄人體質(zhì)心的運(yùn)動(dòng)軌跡，分別獲取軌跡上橫坐標(biāo)和縱坐標(biāo)的最大值及最小值，將橫坐標(biāo)最大值與最小值的差值除以縱坐標(biāo)的最大值與最小值的差值，所得結(jié)果確定為特征算子w；

其次，設(shè)定閾值，根據(jù)特征算子w將行為動(dòng)作序列樣本分為兩個(gè)大類，識別過程中利用w加速行為動(dòng)作識別；若w大于2，認(rèn)為該行為動(dòng)作屬于第一大類；若w小于2，則認(rèn)為該行為動(dòng)作屬于第二大類；

最后，根據(jù)特征算子w的大小判斷該行為動(dòng)作屬于哪個(gè)大類，然后在相應(yīng)的大類內(nèi)將目標(biāo)運(yùn)動(dòng)的關(guān)鍵幀與其中每一個(gè)小類的關(guān)鍵幀對比，計(jì)算每個(gè)對應(yīng)輪廓點(diǎn)到其質(zhì)心的距離之差，將所有差值相加，得到兩個(gè)輪廓的總歐氏距離，在每個(gè)小類中進(jìn)行該步驟，找到總歐氏距離最小的類，即為所求的動(dòng)作類別，從而對行為動(dòng)作進(jìn)行識別。