[发明专利]二维视频图像中的人体姿态识别方法

权利要求书

1.一种二维视频图像中的人体姿态识别方法，其特征在于，所述方法包括下述步骤：

a、按照尺度空间分层原理将原始视频图像                                                分为组，，为所述原始视频图像的分辨率；

b、对每组视频图像采样，计算一个尺度为的采样图像，为中的其中一个尺度，表示第组视频图像，，为所述原始视频图像的分辨率，一般地，为设定的大于1的自然数，表示每组视频图像包含的采样视频图像的数量，；

c、对每组内的采样图像分别计算HOG底层特征描述符；

d、以步骤c获得的每组内的一个采样图像的HOG底层特征描述符为基础，根据预测公式计算每组内尺度为中其余（）个尺度的采样视频图像对应的HOG底层特征描述符，和分别表示采样图像和采样图像的尺度，为设定值，为采样图像的HOG底层特征描述符，为采样图像的HOG底层特征描述符；

e、根据步骤c和步骤d的所有不同尺度采样视频图像的HOG底层特征描述符，结合训练好的SVM，检测所述原始视频图像中的不同尺度下的人体目标区域；

f、采用训练好的随机森林分类器将步骤e检测的人体目标区域的像素进行分类，确定所述人体目标区域中的肢体部位区域；

g、将步骤f确定的各肢体部位连接形成人体轮廓，实现人体姿态识别。

2.根据权利要求1所述的二维视频图像中的人体姿态识别方法，其特征在于，所述步骤b中，利用中的端部尺度对每组视频图像采样，计算端部尺度对应的采样图像。

3.根据权利要求1所述的二维视频图像中的人体姿态识别方法，其特征在于，所述步骤f中的随机森林分类器通过下述方法训练：

获取包括人体姿态的人工合成视频图像和目标测试场景中的真实视频图像，每幅视频图像作为一个训练样本；

依据设定肢体部位将每个训练样本中的背景区域及人体目标区域进行标注；

利用SURF算子计算每个标注区域的像素特征，所有标注区域及其像素特征数据构成训练数据集合；

利用所述训练数据集合及目标函数对随机森林分类器进行训练；

其中，为随机森林中的一个决策树的一个分类节点，为权值，为信息熵计算函数，是所述人工合成视频图像训练样本中标注区域的像素特征，是所述真实视频图像训练样本中标注区域的像素特征，是所述人工合成视频图像训练样本中已标注的第个肢体部位的像素特征的统计描述符，是所述人工合成视频图像训练样本中所有标注区域内所有像素特征的统计描述符，是所述真实视频图像训练样本中所有标注区域内所有像素特征的统计描述符，为和的距离。