[发明专利]一种基于有监督等距映射的人体动作识别方法

权利要求书

1.一种基于有监督等距映射的人体动作识别方法，其特征在于，包括以下步骤：

S1、对视频通过码书方法进行前景提取，得到二值化人体前景图像；

S2、对人体前景图像进行形态学处理并归一化，得到人体剪影图像；

S3、对人体剪影图像序列进行周期化分析，对每个视频，通过包含一个完整动作周期的关键帧来表示该视频；

S4、对人体剪影图像的关键帧进行向量化，通过有监督的等距映射进行特征降维；

S5、将降维后的特征通过基于Hausdorff距离的最近邻分类器进行识别。

2.根据权利要求1所述的基于有监督等距映射的人体动作识别方法，其特征在于，所述步骤S1-S5更进一步地描述为：

S1、对输入视频使用中值滤波进行去噪处理，通过码本codebook法进行背景建模，构建一个随时间和空间变化而自适应变化的背景模型，之后将当前帧与背景模型进行差分，根据预设定的阈值，分割图像后得到人体动作前景图像I；

S2、将人体动作二值剪影图像I经过4次开运算，之后根据预设定的阈值合并小区域并进行空洞填充，得到最大连通区域I’，根据I’确定人体动作剪影轮廓图像的中心，将图像进行归一化；

S3、每个视频中提取出的人体剪影图像序列进行周期化分析，根据长宽比时变曲线上的极值点确定一个完整周期动作的始末帧作为表示视频动作的关键帧；

S4、将上述关键帧图像进行向量化，通过有监督的等距映射进行特征降维，构成样本特征数据库； 

S5、对新加入的测试视频，通过S1-S4步骤进行处理后，将降维后的特征序列经过基于均值Hausdorff距离的最近邻分类器与特征数据库中的样本序列进行比对，得到识别结果。

3.根据权利要求1所述的基于有监督等距映射的人体动作识别方法，其特征在于，所述步骤S4中有监督的等距映射包括如下步骤：

S41、求解差异度矩阵；

S42、构建近邻图；

S43、更新差异度矩阵；

S44、计算测地距离矩阵

S45、计算测试样本帧的线性表出系数；

S46、通过测试样本帧的近邻点及其线性表出系数，更新差异度矩阵，再更新测地距离矩阵；

S47、通过多维标度算法MDS求解动作数据的低维嵌入。

4.根据权利要求3所述的基于有监督等距映射的人体动作识别方法，其特征在于，上述步骤S42中构建近邻图具体包括如下四步：

S421、确定初始邻域值，计算欧氏距离矩阵；

S422、对每个局部邻域集，计算其中任意两点的测地距离；

S423、对每个局部邻域集，计算局部流形结构的弯曲度比例因子；

S424、对于整个局部邻域集，计算其中的均值比例因子，更新每一个样本点的邻域数大小。