[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

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，由圖像預處理、提取三尺度加權的自適應SILTP特征、提取改進的局部方向模式特征Fsubgt;LVR/subgt;、將三尺度加權自適應SILTP特征Fsubgt;MWA?SILTP/subgt;和改進的局部方向模式特征Fsubgt;LVR/subgt;進行融合得到姿態識別的總特征Fsubgt;MWASILTP?LVR/subgt;、采用支持向量機對學習者姿態分類識別組成。本發明在SILTP中采用自適應閾值，得到自適應SILTP，可動態生成適應于各樣本的閾值，自適應性更強；并在SILTP中引入三尺度加權機制，將不同尺度的自適應SILTP以不同權重融合，具有較好的特征表征能力；在局部方向模式中融入方差VAR，充分利用圖像的邊緣梯度信息和灰度值變化強度；本發明具有抗干擾性強、識別率高等優點，可用于學習者姿態識別及其它圖像識別和分類。

技術領域

本發明涉及圖像處理和機器視覺技術領域，具體涉及一種融合改進的SILTP和局部方向模式的學習者姿態識別方法。

背景技術

隨著互聯網技術的發展和人工智能時代的到來，在線學習作為一種便捷新穎的學習方式，日益廣泛地影響著我們的學習和工作。如何有效地評估數字化學習過程中學習者的行為狀態成為日益重要的問題。對學習者學習過程中的姿態識別進而判斷學習者的狀態，可以實現學習過程的監測。學習者姿態識別能夠有效地評價在線學習過程中學習者的學習狀態，對分析和改善學習者的學習狀態具有重要作用。

張鴻宇等人提出了一種基于深度圖像的多學習者姿態識別的方法，首先通過Kinect的紅外傳感器獲取包含深度信息的深度圖像，利用深度圖像進行人像－背景分離，然后提取人體的輪廓特征Hu矩，采用支持向量機分類器對輪廓特征進行分類和識別，實驗表明這種方法能有效地識別學習者的舉手、正坐和低頭等姿態。Chu等人提出一種新的行人重識別框架，在水平和垂直方向上將放大后的圖像劃分為子區域，并提取圖像局部區域的尺度不變局部三值模式(ScaleInvariantLocalTernary?Pattern，SILTP)和HSV(Hue，Saturation，Value)特征進行行人重識別，降低了不匹配的風險，增加了對遮擋的魯棒性。齊美彬等人提出一種改進特征與GPU(graphic?processingunit)加速的行人檢測算法，選取SILTP特征作為紋理特征，在GPU空間中并行提取，同時提取圖像的HOG(histogramoforientedgradient)特征值，將提取的全部特征輸出到CPU(centralprocessingunit)，利用支持向量機分類器實現行人檢測。

上述學習者姿態識別模型采用Hu矩特征來描述學習者姿態特征，Hu矩不能完全提取圖像中的信息，而且它們是非正交的，具有信息冗余性；上述行人重識別和行人檢測模型采用傳統SILTP進行特征提取，但傳統SILTP并不穩定，在復雜背景的情況下，并不能很好地表征每個樣本的紋理特征，自適應性不強。

發明內容

本發明針對已有技術的不足，提供一種抗干擾性強、識別率高的融合改進的SILTP和局部方向模式的學習者姿態識別方法。

解決上述技術問題所采用的技術方案由下述步驟組成：

(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