[发明专利]基于体感摄像机的人体活动识别的特征提取方法

权利要求书

1.一种基于体感摄像机的人体活动识别的特征提取方法，其特征在于，包括

S1：从体感摄像机的彩色图像序列中，提取人体活动时空兴趣点p，其坐标为(x,y,t)；

S2：以人体活动时空兴趣点p为中心，计算彩色图像序列中光流直方图HOF特征和梯度直方图HOG特征；

S3：从体感摄像机的深度图像序列中，找到对应的人体活动时空兴趣点p，以人体活动时空兴趣点p为中心，计算局部深度特征LDP；

S4：将人体活动时空兴趣点p的光流直方图HOF特征、梯度直方图HOG特征和局部深度特征LDP连接起来，组成特征S_p＝(x,y,t,HOG,HOF,LDP)。

2.如权利要求1所述的基于体感摄像机的人体活动识别的特征提取方法，其特征在于，所述计算彩色图像序列中光流直方图HOF特征的方法为：以人体活动时空兴趣点p为中心，将局部时空小块按x,y,t方向均分成3×3×2共18个小格，将0度至360度的光流方向划分成0度至90度、90度至180度、180度至270度和270度至360度这四个主方向，外加一个光流量为零的方向；计算每个像素位置所得光流，之后在这五个方向做量化和直方图统计，得到每个小格的统计结果为一个五维向量，18个小格按x,y,t的顺序顺次连接可得到一个90维的光流直方图HOF特征；

所述计算彩色图像序列中梯度直方图HOG特征的方法为：以人体活动时空兴趣点p为中心，将局部时空小块按x,y,t方向均分成3×3×2共18个小格，将0度至360度的梯度方向划分成0度至90度、90度至180度、180度至270度和270度至360度这四个主方向；计算每个像素位置所得梯度，之后在这四个方向做量化和直方图统计，得到每个小格的统计结果为一个四维向量，18个小格按x,y,t的顺序顺次连接可得到一个72维的梯度直方图HOG特征。

3.如权利要求1所述的基于体感摄像机的人体活动识别的特征提取方法，其特征在于，所述计算局部深度特征LDP的方法为：以人体活动时空兴趣点p为中心，选取N×N个像素的方格，把方格分成M×M个区块，其中每个区块包含N²/M²个像素；计算每个区块里的像素深度值的平均值；计算任意两个区块平均值的差；将差值组合，并做归一化处理，生成局部深度特征LDP。