[發明專利]融合改進的SILTP和局部方向模式的學習者姿態識別方法

有效

• 申請號: 201811649123.2
• 申請日: 2018-12-30
• 公開（公告）號: CN109697432B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 郭敏;鄺毓茜;馬苗;裴炤;陳昱蒞
• 申請（專利權）人: 陜西師范大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764;G06V10/80
• 代理公司: 西安永生專利代理有限責任公司 61201
• 代理人: 郝燕燕

1.一種融合改進的SILTP和局部方向模式的學習者姿態識別方法，其特征在于由下述步驟組成：

(1)圖像預處理

對學習者姿態圖像進行尺度歸一化處理，并將圖像轉化為灰度圖像{G(p,q)}，p是灰度圖像像素點的橫坐標，q是灰度圖像像素點的縱坐標，p、q均為正整數；

(2)提取三尺度加權的自適應SILTP特征

(2.1)根據全局和局部鄰域對比度值的離散程度自動生成當前鄰域的自適應閾值ε，并進行SILTP編碼，得到自適應SILTP，自適應SILTP的表達式為

式中(x_c，y_c)為灰度圖像{G(p,q)}像素點的位置，I_c是中心像素點的灰度值，I_k是以中心像素點為圓心、半徑為R區域內N鄰域所對應的像素點的灰度值，k∈{0,1,...,N-1}，R為有限正整數，N取4或8，ε是自適應閾值，是比特連接運算符，s_ε是分段函數；

所述的分段函數s_ε為

(2.2)提取灰度圖像{G(p,q)}的三個尺度的自適應SILTP特征，并將該三個尺度的自適應SILTP特征以不同權重融合，得到三尺度加權自適應SILTP特征F_MWA-SILTP；

所述三個不同尺度的自適應SILTP特征加權融合的方法如下：

(a)把灰度圖像{G(p,q)}送入自適應SILTP中，獲取灰度圖像{G(p,q)}在半徑R分別為1、4、6三個尺度下的自適應SILTP直方圖特征向量H₁，H₂，H₃，并對特征向量H₁，H₂，H₃分別歸一化為H′₁，H′₂，H′₃；

(b)對特征向量H′₁，H′₂，H′₃進行加權融合，得到三尺度加權自適應SILTP特征F_MWA-SILTP，

F_MWA-SILTP＝w₁×H′₁+w₂×H′₂+w₃×H′₃?????(3)

式中，w₁是R＝1尺度對應的權重，w₂是R＝4尺度對應的權重，w₃是R＝6尺度對應的權重，w₁+w₂+w₃＝1且w₁、w₂、w₃均為正數；

(3)提取改進的局部方向模式特征F_LVR

(3.1)把灰度圖像{G(p,q)}送入局部方向模式中，選取前3個最大邊緣響應絕對值并設為1，提取灰度圖像{G(p,q)}的局部方向模式特征F_LDP；

(3.2)通過計算灰度圖像{G(p,q)}每個像素點在(R₁，N₁)鄰域內的方差VAR值，提取灰度圖像{G(p,q)}的方差VAR直方圖特征F_VAR，R₁是鄰域半徑，N₁是鄰域節點數目，R₁為正整數，N₁取4或8；

(3.3)將局部方向模式特征F_LDP和方差VAR直方圖特征F_VAR進行融合，作為圖像{G(p,q)}的改進的局部方向模式特征F_LVR；

(4)將三尺度加權自適應SILTP特征F_MWA-SILTP和改進的局部方向模式特征F_LVR進行融合，得到姿態識別的總特征F_MWASILTP-LVR；

(5)采用支持向量機對學習者姿態進行分類識別。