[發明專利]一種基于詞袋模型的人體動作識別方法

在審

• 申請號: 202110451802.4
• 申請日: 2021-04-26
• 公開（公告）號: CN113392697A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 黃慧;李愈;馬燕
• 申請（專利權）人: 上海師范大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 上海宛林專利代理事務所(普通合伙) 31361
• 代理人: 張明

1.一種基于詞袋模型的人體動作識別方法，包括以下步驟：

采集人體關節點信息，對采集到的所述人體關節點信息進行預處理；

根據預處理的關節點信息，提取動作序列空間特征、時間特征，并將數據集劃分為訓練集與測試集；

對訓練集的時間特征、空間特征分別編碼，根據編碼結果統計訓練集的時間特征直方圖和空間特征直方圖；

對所述測試集的時間特征、空間特征分別編碼，根據編碼結果統計測試集的時間特征直方圖和空間特征直方圖；

根據所述訓練集的時間特征直方圖、空間特征直方圖，獲得訓練集的聯合頻率直方圖，根據測試集的時間特征直方圖、所述測試集的空間特征直方圖，獲得測試集的聯合頻率直方圖；

然后利用所述訓練集對分類器進行訓練，利用所述測試集對所述分類器進行測試，獲得動作類型的自動識別。

2.如權利要求1所述的一種基于詞袋模型的人體動作識別方法，其特征在于，采集人體關節點信息，對采集到的所述人體關節點信息進行預處理，具體包括：

利用Kinect設備采集的人體關節點信息；

對采集到的所述人體關節點信息，依次進行原點歸一化、方向歸一化、尺度歸一化操作。

3.如權利要求2所述的一種基于詞袋模型的人體動作識別方法，其特征在于，將處理后的關節點三維坐標作為空間特征描述子；

對每一幀提取人體關節的28個空間角度，計算28個角度與前一幀的幀間差值，將關節點的肢體關鍵角度的幀間差值作為時間特征描述子。

4.如權利要求3所述的一種基于詞袋模型的人體動作識別方法，其特征在于，對數據集進行劃分，采用五五分的方法，得到訓練集與測試集，并且擴充訓練集數據；

對訓練集中的數據進行對稱翻轉，以人體軀干為中軸線，將左右兩側的關節點三維坐標進行交換，將訓練集中原始動作的對稱動作也加入訓練集中。

5.如權利要求4所述的一種基于詞袋模型的人體動作識別方法，其特征在于，將動作序列中的每一幀視為一個數據點，每個數據點提取時間特征和空間特征；對訓練集數據的時間特征和空間特征分別聚類，每個數據點得到時間特征標簽、空間特征標簽。

6.如權利要求5所述的一種基于詞袋模型的人體動作識別方法，其特征在于，構建訓練集的時間特征直方圖和空間特征直方圖，具體包括以下步驟：

訓練集中包含多個動作序列，每個動作序列包含多個姿勢幀，訓練集中所有幀的時間特征作為時間域特征，空間特征作為空間域特征，利用層次聚類的方法在時間域和空間域分別聚類，將聚類后的每個簇視為一種視覺單詞，分別獲得時間詞袋與空間詞袋；

訓練集中每幀獲得時間標簽與動作標簽后，分別統計每個動作序列的時間標簽與空間標簽，獲得訓練集中每個動作序列的時間特征直方圖與空間特征直方圖。

7.如權利要求6所述的一種基于詞袋模型的人體動作識別方法，其特征在于，獲得測試集的時間特征直方圖和空間特征直方圖，具體包括以下步驟：

所述測試集中每幀數據的時間特征分別計算其到時間詞袋中各個簇的平均距離，將與其平均距離最小的簇的種類作為該幀時間特征標簽，同理獲得空間特征標簽；

測試集中每幀獲得時間標簽與空間標簽后，分別統計每個動作序列的時間標簽與空間標簽，獲得測試集中每個動作序列的時間特征直方圖與空間特征直方圖。

8.如權利要求7所述的一種基于詞袋模型的人體動作識別方法，其特征在于，根據所述訓練集的時間特征直方圖、空間特征直方圖，獲得訓練集的時空聯合直方圖，根據測試集的時間特征直方圖、空間特征直方圖，獲得測試集的時空聯合直方圖；將動作序列的時空聯合直方圖作為最終的表示向量。

9.如權利要求8所述的一種基于詞袋模型的人體動作識別方法，其特征在于，采用SVM分類器構建分層分類方法對動作進行分類，首先利用一層分類器把相近的動作分成大類，然后利用二層分類器在分大類的基礎上分小類，最終得到分類結果。