[發明專利]一種基于極限學習機的多視角動作識別方法及裝置

在審

• 申請號: 201710124150.7
• 申請日: 2017-03-03
• 公開（公告）號: CN106971145A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 何威;劉波;肖燕珊;袁嘉棋;胡超
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 張春水,唐京橋

技術領域

本發明涉及人體動作識別領域，尤其涉及一種基于極限學習機的多視角動作識別方法及裝置。

背景技術

人體動作識別的一般方法大都是利用攝像機等設備捕獲人體動作后，對產生的圖像時間序列進行特征提取，然后對其進行分析，獲得人體運動特征的有關參數，實現對人體動作的分類。通常在人機交互、智能監控、體育運動分析和基于內容的檢索等方面，動作識別技術都存在重要意義。

目前的人體識別算法大都基于步態視頻的基礎上進行研究，利用攝像機拍攝人體行走、跑步和下蹲等進行分析和識別。已知的單視角方法通常假設人在相機下是可見的，這種假設通常在實際運用中是不常見的，所以適用性是有限的。

發明內容

本發明實施例提供了一種基于極限學習機的多視角動作識別方法及裝置，具有使用相對簡單，比傳統神經網絡更快速，得到也不是唯一的輸出，而是選取結果大多數一致的分類作為最終結果，精度更高，對未知數據分類能力更好。

本發明實施例提供的一種基于極限學習機的多視角動作識別方法，其特征在于，包括：

S1：獲取多個視角下的預置的已標記的動作視頻，通過圖像分割技術提取已標記的動作視頻下的視頻幀中的動作時空興趣點圖像，獲取已標記的動作視頻的姿勢向量；

S2：對已標記的動作視頻的姿勢向量進行模糊化處理，獲取已標記的動作視頻的離散化動作特征向量，通過已標記的動作視頻的離散化動作特征向量和已標記的動作視頻的動作標簽獲得極限學習機的輸出權重；

S3：獲取多個視角下的預置的未標記的動作視頻，通過圖像分割技術提取未標記的動作視頻下的視頻幀中的動作時空興趣點圖像，獲取未標記的動作視頻的姿勢向量，對未標記的動作視頻的姿勢向量進行模糊化處理，獲取 未標記的動作視頻的離散化動作特征向量，通過未標記的動作視頻的離散化動作特征向量和極限學習機的輸出權重，獲得多個視角下的預置的未標記的動作視頻的分類。

優選地，所述步驟S1具體包括：

獲取多個視角下的預置的已標記的動作視頻，通過圖像分割技術提取已標記的動作視頻下的視頻幀中的動作時空興趣點圖像，對已標記的動作視頻下的視頻幀中的動作時空興趣點圖像裁剪成預定像素大小并進行列向量化，獲取已標記的動作視頻的姿勢向量P_ij，其中i表示已標記的動作視頻的索引下標，j表示第i個已標記的動作視頻下的第j個視頻幀，j＝1,2,3,...N_i。

優選地，所述步驟S2具體包括：

通過K鄰近算法和已標記的動作視頻的姿勢向量P_ij產生D個基本姿勢向量V_d，通過已標記的動作視頻的姿勢向量P_ij和基本姿勢向量V_d之間的第一模糊相似度公式對已標記的動作視頻的動作特征進行模糊化處理，對所述第一模糊相似度進行平均化處理獲得已標記的動作視頻的離散化動作特征向量S_i，通過已標記的動作視頻的離散化動作特征向量S_i和已標記的動作視頻的動作標簽獲得極限學習機的輸出權重，其中第一模糊相似度公式為

U_ij＝(||P_ij-V_d||₂)^-2/(m-1)，d＝1,2,...D，U_ij為已標記的動作視頻的姿勢向量P_ij和基本姿勢向量V_d之間的第一模糊相似度，

S_i為已標記的動作視頻的離散化動作特征向量。

優選地，所述步驟S3具體包括：

獲取多個視角下的預置的未標記的動作視頻，通過圖像分割技術提取未標記的動作視頻下的視頻幀中的動作時空興趣點圖像，對未標記的動作視頻下的視頻幀中的動作時空興趣點圖像裁剪成預定像素大小并進行列向量化，獲取未標記的動作視頻的姿勢向量；

對未標記的動作視頻的姿勢向量進行模糊化處理，獲取未標記的動作視頻的離散化動作特征向量，通過未標記的動作視頻的離散化動作特征向量和極限學習機的輸出權重，獲得多個視角下的預置的未標記的動作視頻的分類。

優選地，所述步驟S3具體包括：

獲取多個視角下的預置的未標記的動作視頻，通過圖像分割技術提取未標記的動作視頻下的視頻幀中的動作時空興趣點圖像，對未標記的動作視頻下的視頻幀中的動作時空興趣點圖像裁剪成預定像素大小并進行列向量化，獲取未標記的動作視頻的姿勢向量；