[發明專利]一種基于自反饋基因表達式編程的人體行為識別方法

有效

• 申請號: 201710059525.6
• 申請日: 2017-01-24
• 公開（公告）號: CN106909891B
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 李康順;何唯;胡紹陽;王曉珍
• 申請（專利權）人: 華南農業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 44245 廣州市華學知識產權代理有限公司
• 代理人: 鄭浦娟<國際申請>=<國際公布>=<進入

本發明公開了一種基于自反饋基因表達式編程的人體行為識別方法，該方法針對人體行為深度圖像，從中提取出人體多個關節點的三維時間序列數據作為樣本，利用由基因表達式編程在交叉、變異操作后再加入TIS插串操作構造得到自反饋基因表達式編程對樣本進行建模，得到人體運動模型，TIS插串操作指的是在關節點運動序列頭部插入函數符串；接著提取梯度信息作為模型特征。將訓練樣本的人體運動模型的模型特征輸入至神經網絡，訓練得到神經網絡模型作為人體行為分類器；將測試樣本對應的人體運動模型的模型特征輸入至上述獲取的人體行為分類器中，得到人體行為識別結果。本發明具有人體行為識別準確度高及識別速度快的優點。

技術領域

本發明涉及人體行為識別領域，特別涉及一種基于自反饋基因表達式編程的人體行為識別方法。

背景技術

近幾年，人體行為識別研究是國際上計算機學科最熱門的前沿研究課題之一，具有重要的理論研究價值，研究課題內容豐富，涉及到圖像處理與分析、機器視覺、人體生理學、人體運動學、模式識別和人工智能等多學科領域知識。人體行為識別研究不但拓寬了學科間的研究方向，而且帶動相關學科的發展，同時也是智慧城市與公共安全迫切需要解決的關鍵技術，其廣泛應用于人機智能交互、智能視覺監控、基于內容的視頻檢索、虛擬現實等領域。目前人體識別的大部的研究還只停止在靜態的識別，人體運動的復雜性和易變性使得識別的準確性和高效性無法滿足相關行業的實用要求。

目前，現有技術中對人體行為的識別主要是采用關節點佩戴傳感器或者是采用多攝像頭進行多視角監視，關節點佩戴傳感器是指在人體的某個部位放上傳感器，這種方式識別人體的行為種類有限，且識別準確度不高、識別速度慢、識別行為單一且可擴展性差；采用多攝像頭進行多視角監視是指在各個視角位置安裝攝像頭，通過各個視角的攝像頭拍攝到的圖片判定人體的行為，這種方式存在成本高、數據精度低、使用不便、受環境因素影響大等缺陷。

發明內容

本發明的目的在于克服現有技術的缺點與不足，提供一種基于自反饋基因表達式編程的人體行為識別方法，該方法利用自反饋基因表達式(SGEP)建立人體運動模型，然后將人體運動模型的梯度信息作為人體運動模型特征對各類人體行為進行精確刻畫，最后通過神經網絡對人體行為進行識別，具有人體行為識別準確度高以及識別速度快的優點。

本發明的目的通過下述技術方案實現：一種基于自反饋基因表達式編程的人體行為識別方法，其特征在于，步驟如下：

S1、獲取人體行為深度圖像，然后從人體行為深度圖像中分別提取出人體N 個關節點各自對應的三維時間序列數據，作為一個樣本；

S2、利用自反饋基因表達式編程對樣本進行建模，獲取到樣本對應的各關節點運動序列，從而得到各樣本基于關節點的人體運動模型；其中所述自反饋基因表達式編程由基因表達式編程在交叉、變異操作后再加入TIS插串操作構造得到，其中TIS插串操作指的是在關節點運動序列頭部插入函數符串，用于增加關節點運動序列有效位的長度增長；

S3、提取人體運動模型的梯度信息作為模型特征；

S4、通過步驟S1獲取到訓練樣本集，并且各訓練樣本通過步驟S2的方式獲取到各訓練樣本的人體運動模型，然后通過步驟S3的方式提取各訓練樣本的人體運動模型的模型特征；

S5、各訓練樣本的人體運動模型的模型特征作為神經網絡的輸入，對神經網絡進行訓練，將訓練得到的神經網絡模型，作為最終的人體行為分類器；

S6、通過步驟S1獲取到測試樣本，并且測試樣本通過步驟S2的方式獲取到測試樣本的人體運動模型，然后通過步驟S3的方式提取測試樣本的人體運動模型的模型特征；

S7、將測試樣本的人體運動模型的模型特征輸入至步驟S5中獲取到的人體行為分類器中，通過該人體行為分類器得到人體行為識別結果。