[發明專利]自適應骨骼中心的人體行為識別方法

有效

• 申請號: 201710344361.1
• 申請日: 2017-05-16
• 公開（公告）號: CN107194344B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 劉凱;冉憲宇;陳斌
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了一種自適應骨骼中心的人體行為識別方法。主要解決現有技術動作識別精度低的問題。其實現步驟是：1)從骨骼序列數據集中獲取三維骨架序列，并對其進行預處理，得到坐標矩陣；2)根據坐標矩陣選擇特征參數，自適應選擇坐標中心，重新對動作進行歸一化，得到動作坐標矩陣；3)通過DTW方法對動作坐標矩陣進行降噪處理，借助FTP方法減少動作坐標矩陣時間錯位和噪聲問題，再使用SVM進行對動作坐標矩陣進行分類。本發明相比于現有的行為識別方法，有效地提高了識別精度?？蓱糜诒O控、視頻游戲和人機交互。

技術領域

本發明屬于計算機視覺領域，特別涉及一種人體骨骼行為識別方法，可應用于監控、視頻游戲和人機交互。

背景技術

在人體骨骼行為識別過程中，首先需要對數據進行預處理，將數據處理成所需的形式，如矩陣或者向量，然后對處理的數據進行特征提取，隨后對于特征進行描述，最后進行建模和分類，達到識別人體行為的效果。

由于遮擋、光線變化、視角變化以及背景干擾，精確地識別人體行為仍存在諸多困難，在應用領域受到了極大的限制。但隨著深度傳感器變得經濟實惠，受眾面廣，如微軟Kinect的出現，它不僅提供彩色圖像數據，而且還提供三維深度圖像信息，使行為識別研究出現了新機遇。在此基礎上很多學者致力于行為識別的研究工作，提出了各種基于人體骨骼的行為識別方法，其中比較有代表性的是以下幾種：

第一種是Lv等人2006年在ECCV會議上發表的文章“Recognition andsegmentation of 3-d human action using hmm and multi-class adaboost”提出基于多個人體關節點相結合方式的空間局部特征方法。他們發現，僅僅使用姿態向量可能會引起一些相關信息的丟失，削弱模型的判定能力。所以，考慮使用人體不同部位的運動來提取持征。最終，他們構建了一個包含七類子特征的141維的特征向量，而且提出了一種基于動態規劃的算法，能夠從連續的骨架序列中提取包含一個行為的子序列。文中方法的缺點是只針對簡單的動作識別結果較好，對于復雜的動作識別起來不是很理想，而且在歸一化動作時使用單一的坐標中心，識別精度低。

第二種是M等人2011年在ICCV會議上發表的文章“Accurate 3d pose estimationfrom a single depth image”提出了一種從單一的深度圖估計人體姿態配置的系統，它把姿態檢測和姿態細化相結合。主要貢獻包括修改點云平滑技術，處理非常嘈雜的輸入深度圖，點云對齊和姿態搜索算法。文中方法的缺點是在計算上花費的時間較多，通過犧牲時間獲得精度,而且在歸一化動作時使用單一的坐標中心，識別精度低。

第三種是Yang等人2014年在可視化通信與圖像顯示雜志上發表的文章“Effective 3D action recognition using EigenJoints”上提出了通過使用樸素貝葉斯最近鄰算法，然后基于特征節點進行動作識別的方法，文中方法的缺點是只專注一個人的行動，而不是多人交互的動作，而且在歸一化動作時使用單一的坐標中心，識別精度低。

發明內容

本發明的目的在于避免上述已有技術共有的不足，提出一種自適應骨骼中心的人體行為識別方法，通過參數化骨骼關節的運動特征，自主選擇坐標中心，提高行為識別精度。

實現本發明的技術思路通過分析人體骨骼，研究人體動作基本特征，根據特征數據，求出動作特征的閾值，判斷動作對不同坐標中心的適應值，自主選擇坐標中心，形成自適應骨骼中心的行為識別算法，其實現方案包括如下：

1.一種自適應骨骼中心的人體行為識別方法，包括：

(1)讀取人體動作兩個數據集UTKinect和MSRAction3D中的骨骼動作序列幀，并去掉骨骼動作序列幀中的冗余幀，得到序列幀信息；再以臀部關節點h、頸部關節點n為坐標中心分別進行歸一化，得到臀部中心坐標矩陣dh以及頸部中心坐標矩陣dn；