[發明專利]一種動作識別方法

有效

• 申請號: 201910362475.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110084211B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 楊劍宇;黃瑤;朱晨
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京金宏來專利代理事務所(特殊普通合伙) 11641
• 代理人: 杜正國;陸華

1.一種動作識別方法，包括如下步驟：

步驟一、利用深度傳感器獲取目標的三維骨骼關節點信息，得到人體各個骨骼關節點的三維坐標，將得到的動作序列分為訓練集和測試集；

步驟二、設計跨層連接神經網絡模型，對訓練集中的動作序列的每一幀骨骼關節點的三維坐標提取特征，得到每一幀的特征向量；

步驟三、將訓練集中的所有幀的特征向量聚類成K個簇；

步驟四、計算每個簇的權重和每個簇對各個動作類別的支持度；

步驟五、定義“姿態子組”，并從訓練集中抽取姿態子組，組成姿態子組集合；

步驟六、定義姿態子組對應第c類動作的分類器，c∈[1,C]，C表示訓練集中的動作類別總數；

步驟七、學習得到Z個層級分類器；

步驟八、使用跨層連接神經網絡模型獲取測試動作序列每一幀的特征向量并將其劃分給與其距離最近的簇；

步驟九、分別計算Z個層級分類器對測試動作序列的分類結果；

步驟十、選取Z個層級分類器分類結果中出現次數最多的類別作為測試動作序列的類別；

所述步驟三將訓練集中的所有幀的特征向量聚類成K個簇，具體步驟如下：

a、從訓練集中的所有特征向量中隨機選取一個向量作為第一個聚類中心；

b、計算每個特征向量與當前已有聚類中心的最短距離，即與最近的一個聚類中心的歐式距離，并從大到小進行排序，從排在前K個的距離所對應的特征向量中隨機選取一個作為下一個聚類中心；

c、重復步驟b直至選擇出K個特征向量作為K個聚類中心；

d、計算訓練集中的每個特征向量到K個聚類中心的歐式距離，將每個向量劃分至與之最近的聚類中心對應的簇中；

e、重新計算每個簇的中心μ_k，新的中心為該簇中所有特征向量的均值，計算公式為：

其中，n_k表示第k個簇中特征向量的個數，f_i表示該簇中的特征向量，i∈[1,n_k]，k∈[1,K]；

f、定義特征向量f與第k個簇的距離χ_k為該特征向量與該簇中心的歐式距離以及該特征向量與該簇中與其距離最遠的3個特征向量的歐式距離之和，用公式表示為：

其中，為第k個簇中距離f最遠的3個特征向量；

g、計算每個特征向量與K個簇的距離，并將其劃分至與其距離最近的簇；

h、重新計算每個簇的中心；

i、判斷每個簇的中心是否改變，如果每個簇的中心都未改變，則聚類完成；否則，依次重復g、h直至所有簇的中心不再發生改變；

所述步驟五中定義“姿態子組”是指將由N_α個簇中心組成的集合定義為一個大小為N_α的姿態子組P_α，第α個姿態子組用公式表示為：

其中，為從集合{μ_k|k∈[1,K]}中選取的N_α個簇中心；

訓練集一共有J個動作序列，對于其中的每個動作序列V_j(1≤j≤J),計算該序列中每一幀所屬的簇，并將這些簇的中心組成集合E_j，一共可得J個簇中心集合；

對于每個簇中心集合E_j，E_j的每個非空子集即為一個姿態子組，取出所有元素個數為2或者3的姿態子組，將這些姿態子組構成動作序列V_j的姿態子組集合G_j，將從J個簇中心集合中取出的所有姿態子組，組合成姿態子組集合