[发明专利]基于第二代Curvelet变换的人体运动识别方法

权利要求书

1.一种基于第二代Curvelet变换的人体运动识别方法，包括步骤如下：

(1)将WEIZMANN数据库中的每段视频转换为连续的单幅序列图像，并按照8：1的比例构建训练样本集X和测试样本集T；

(2)对训练样本集X中的单幅序列图像，利用第二代Curvelet工具包进行Curvelet变换，得到5个尺度的系数矩阵C，C＝{C_i},i＝1,2,3,4,5；

(3)将每个尺度的系数矩阵C_i的每个子带，采用非重叠的方式按照4*4或8*8的大小进行二进剖分，计算每个剖分子块的边缘特征向量v_b，将所有剖分子块的边缘特征向量v_b归一化后级联，得到单幅序列图像的边缘特征V_b；

(4)将第一尺度的系数矩阵C₁按照4*4的大小采用1/2重叠的方式进行二进剖分，计算每个剖分子块上的共生矩阵特征向量v_t，将所有剖分子块的共生矩阵特征向量归一化后级联，得到单幅序列图像的纹理特征V_t；

(5)将上述边缘特征V_b和纹理特征V_t级联,得到单幅序列图像的最终特征V＝{V_b,V_t}；

(6)按照上述步骤(2)~(5)分别将训练样本集X和测试样本集T中的所有序列图像提取特征，获得训练样本特征集X′和测试样本特征集T′；

(7)利用SVM算法对训练样本特征集X′进行训练学习得到分类器；将测试样本特征集T′输入分类器得到各类运动的分类结果。

2.根据权利要求1所述的人体运动识别方法，其中步骤(3)所述的将每个尺度的系数矩阵C_i的每个子带，采用非重叠的方式按照4*4或8*8的大小进行二进剖分，是指对第一尺度的系数矩阵C₁的每个子带，按4*4的大小进行二进剖分，其他尺度的系数矩阵C₂~C₅的每个子带，按照8*8的大小进行二进剖分。

3.根据权利要求1所述的人体运动识别方法，其中步骤(3)所述的计算每个剖分子块的边缘特征向量v_b，是通过公式：v_b＝{ENG,CON}得到，

其中，ENG表示每个剖分子块的能量，CON表示每个剖分子块的对比度，它们的计算公式如下：

ENG=Σnci,j2,]]>

CON=Σn(i-j)2ci,j,]]>

其中，c_i，j为剖分子块中坐标为(i,j)的系数，n为剖分子块中所含的元素个数。