[发明专利]一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法

说明书

技术领域

本发明涉及一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法，具体涉及一种通过人的轮廓图像和人的投篮动作数据组成的运动图进行人的投篮动作识别的方法。 

背景技术

人体运动的识别技术一直都是计算机视觉领域的研究热点，它的研究目的就是让机器能够识别出人的动作，包括体态、手势等，它也是一种全新的人与机器交互的方式，这种交互不通过标记点等附着在人身上的硬件设备，只通过人自身的运动。在工业的应用中有着潜在的广泛的应用，此外在影视、游戏这些数字娱乐产业中也有着巨大的前景甚至已经加以应用。 

在现有的较成熟的运动识别技术中主要依靠的是一些特种的硬件设备，如运动捕捉设备，但它需要在人身体上粘贴标记点来记录人的三维位置信息而识别运动，这很影响人的交互体验。无标记点的运动识别是一种良好的代替方式，它不需要给用户附加额外的硬件设备，这种方法主要依靠摄像机获取图像再对二维图像进行分析来估计三维运动，从二维恢复三维本质上是多解问题，所以不可能达到百分之百的识别精度，但是在一些应用中(如交互式游戏)，它的识别精度已经能够满足要求。 

本发明通过剔除图像中人的阴影和环境的干扰获得高质量的人物轮廓，又通过有机的组织运动图，在运动图上使用多段扩展和局部搜索的查找策略，实现了较快速的无标记点的篮球运动识别。 

发明内容

本发明的目的是克服现有技术的不足，提供一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法。 

基于人体轮廓图提取与分组运动图查询的投篮动作识别方法包括如下步骤： 

1)将预先用运动捕捉设备采集好的各种投篮动作按照朝向与左右手的大类分组，然后将每个组内的动作拆解成独立的三维姿态，将每个组内的姿态构建成运动图； 

2)对于每个组的运动图上的姿态，将其渲染成多个视角下的二维图像，使用机器学习的方法对每个组在各个视角上的图像提取图像特征向量； 

3)将步骤2)中的每个姿态的各个视角的二维图像拼接成一张图，并用步骤2)中的特征向量计算这个拼接图像的特征值，称为该姿态的特征值； 

4)拍下篮球动作识别系统的场景内在没有人时的各个视角下图片，称为背景； 

5)在进行动作识别时，拍下人的各个视角下的整个投篮动作序列的图片，称为前景图片； 

6)在每个视角下进行如下过程的轮廓提取：将前景图片与背景图片比较获得差值图像，然后根据差值图像确定人体所在图像中的包围盒位置，再在包围盒中确定人体的精细图像，最后除去人体的阴影干扰，得到的图像称为轮廓图； 

7)将每个视角的轮廓图拼接起来，用步骤2)中提取出来的特征向量计算出特征值，在步骤1)所述的每个组上寻找与他特征值最相似的姿态，并将与其特征值最近姿态所在的组称为这帧图像的击中组。 

8)找出投篮动作的每帧图像的击中组，投票选出击中最多的组，称为整个动作的击中组； 

9)找到每帧图像在动作击中组上特征值最相近的姿态所在的点，分析这些点之间的关系，使用多段扩展与局部搜索的方法将这些点修复成在运动图上连续的一段，这段序列所代表的动作序列就是人投篮运动的识别结果。 

所述的将预先用运动捕捉设备采集好的各种投篮动作按照朝向与左右手的大类分组，然后将每个组内的动作拆解成独立的三维姿态，将每个组内的姿态构建成运动图步骤包括： 

1)将用动作捕捉设备捕获下来的三维运动分成四组，第一组包括正向左手、正向双手、左侧身左手，第二组包括正向右手单手、正向双手、右侧身右手，第三组包括背向双手、背向左手、左侧身左手，第四组包括背向双手、背向右手、右侧身右手，分组原则是每一个组内的动作自然过渡； 

2)将每组内的所有动作的每一帧都截取下来，每一帧称为一个姿态； 

3)在每组内计算任意两个姿态间的三维距离，用一张运动图来表示这些姿态和他们之间的距离，运动图上的节点是姿态，运动图上的边是它所连接的两个节点所表示的姿态间的三维骨架距离，为每一个组都构建一个运动图。 

所述的在每个视角下进行如下过程的轮廓提取：将前景图片与背景图片比较获得差值图像，然后根据差值图像确定人体所在图像中的包围盒位置，再在包围盒中确定人体的精细图像，最后除去人体的阴影干扰，得到的图像称为轮廓图步骤包括：