[发明专利]一种基于决策树的多种人体姿态识别方法

说明书

技术领域

本发明涉及智能视觉监控领域，实现智能监控系统中人体姿态的自动识别， 属于计算机视觉研究领域。

背景技术

智能视觉监控系统主要用于那些对安全要求敏感的场合，如银行、机场、 仓库等无人值守的重要部门，目前监控摄像机在商业应用中已经普遍存在，但 并没有充分发挥其实时主动的监控作用，因为它们通常是将摄像机的输出结果 记录下来，当异常情况发生后，工作人员再通过视频记录的结果观察发生的事 实，但往往为时已晚，而我们需要的监控系统应该能够每天连续24小时的实时 监视，并自动分析摄像机捕捉的图像数据，当发现具有异常行为的可疑人体时， 系统能向保卫人员准确及时的发出警报，从而避免犯罪的发生。

目前，国内外的监控系统大多都是针对正常行走的人体进行监控的，而对 于哈腰与匍匐人体姿态的监控识别研究较少，并且国内外对人体姿态识别的研 究大多采用对运动目标提取特征后利用神经网络或支持向量机进行分类的方 法。此种方法的分类性能取决于所选特征的好坏，对作为非刚体的多方位人体 姿态识别难度较大，往往会存在所提取的特征向量只能用于一种方位人体姿态 识别的情况，此外，此种方法的分类器对样本的数量要求较大，系统结构较为 复杂，不便于理解和设计。

决策树，或称多级分类器，是模式识别中进行分类的一种有效方法，对于 多类目标识别问题，这种方法尤为方便。决策树系统具有把复杂问题分解为多 个简单分类问题的特点，它不是企图用一种算法、一个决策规则去把多个类别 目标一次分开，而是采用分级的形式，使分类问题逐步得到解决。基于决策树 的分类模型具有以下独特的优点:

（1）决策树方法结构简单，生成便于人们理解的规则。

（2）决策树模型效率高，对分类目标较多的情况较为合适。

（3）决策树算法的计算量相对来说不是很大，并且速度较快，可满足实时 性要求。

（4）决策树算法不需要局限在处理数值型数据，在分支处可以采取灵活的 分类策略。

（5）决策树方法具有较高的分类精确度，它是指在数据库的各个对象中找 出共同特性，并按照分类模型把它们进行分类。

由于决策树具有多分枝结构，不同分枝可以采用不同的算法规则，利用这 一特点发明了基于决策树的人体姿态识别系统。此系统具有把复杂分类问题分 解为多个简单分类问题的特点，同时可以把人的经验知识加入其中，采取小样 本就可设计实现，因此，基于决策树的人体姿态识别系统可以较好的完成多种 方位、多种人体姿态的识别任务。

发明内容

本发明的目的是要采用一种简单的决策树来完成人体直立、哈腰、匍匐姿 态的识别。

本发明是采取以下的技术方案来实现的：

一种基于决策树的多种人体姿态识别方法，包括：

车辆与人体的区分；人体的判别；人体姿态的识别三个阶段。

步骤1：对运动目标进行预处理，应用决策树系统判断目标是否完全进入视 场内，完全进入后开始计算目标特征量。决策树系统利用矩形度与形状复杂度 变化率对目标进行车辆与人体的区分，用人体判别算法将人体目标及姿态粗略 的估计出来。

步骤2、对目标进行双腿和头部搜索，从而完成人体判别，确定目标为人体 后再进一步对姿态进行识别。

步骤3、决策树系统利用搜索到的人体腿部或头部位置进行姿态识别，完成 人体直立、哈腰、匍匐三种姿态的识别。

其中，应用离心率区分识别匍匐人体与猫狗，避免对匍匐人体的误识别， 改进的横井法细化算法被用于双腿搜索算法的设计，人体结构也被用于头部搜 索匹配算法的设计。

具体而言，决策树系统利用搜索运动的上下左右四个边界点与整幅图像边 界的位置关系来判断目标是否完全进入视场内。

决策树系统利用矩形度与形状复杂度变化率区分车辆与人体。由于车辆运动 为刚体运动，车辆的形状趋近于矩形，且一般不发生变化，而人体运动为非刚 体运动，形状和车体形状有一定差异，多帧之间形状变化较大，利用此种差异 可将人体与车辆区分出来。

决策树系统利用宽高比将匍匐人体与直立、哈腰三种人体进行粗略估计，然 后利用人体判别算法判定人体，具体算法如下：

人体判别算法步骤S1：利用改进的横井法细化算法对目标进行细化。

人体判别算法步骤S2：对目标进行双腿搜索，搜索成功，则判别为人体。