[发明专利]基于深度图像序列的实时人体动作识别方法及装置

权利要求书

1.一种基于深度图像序列的实时人体动作识别方法，其特征在于，包括步骤：

S1.从目标深度图像序列中提取目标动作剪影，从训练深度图像集中提取训练动作剪影；

S2.对训练动作剪影进行姿势聚类，并对聚类结果进行动作标定；

S3.计算目标动作剪影以及训练动作剪影的姿势特征；

S4.结合训练动作剪影的姿势特征进行基于高斯混合模型的姿势训练并构建姿势模型；

S5.计算聚类结果的每个动作中各姿势间的转移概率并构建动作图模型；

S6.根据所述目标动作剪影的姿势特征、姿势模型以及动作图模型对目标深度图像序列进行动作识别。

2.根据权利要求1所述的实时人体动作识别方法，其特征在于，所述步骤S3包括：

S31.将动作剪影在直角坐标系的三个坐标平面分别投影；

S32.在第c个坐标平面的投影轮廓上选取n^c个采样点；

S33.对于每个采样点计算其多维姿势特征向量

S34.每个坐标平面上所有采样点的多维姿势特征向量的集合x^c组成姿势特征{x^c}。

3.根据权利要求2所述的实时人体动作识别方法，其特征在于，所述步骤S33包括：

以为中心的a条辐线和以为圆心的b个同心圆形成k个网格；

多维姿势特征向量表示第c个坐标平面上的其他采样点q^c相对于的坐标分布：

hic(k)=#{qc≠pic,qc,pic∈fc:(qc-pic)∈bin(k)},c∈{1,2,3};]]>

其中，f^c表示第c个坐标平面上所有采样点的集合。

4.根据权利要求3所述的实时人体动作识别方法，其特征在于，所述同心圆的直径根据f^c中各采样点距离的平均值l设置。

5.根据权利要求4所述的实时人体动作识别方法，其特征在于，a=12，b=5，k=60；所述同心圆的直径分别为0.125l、0.25l、0.5l、l、2l。