[发明专利]互动区域与互动时间段识别方法、存储设备及移动终端

权利要求书

1.一种互动区域与互动时间段识别方法，适于在计算设备中执行，该方法包括：

接收输入的视频信号，并将所输入的视频信号进行拆帧处理，以生成单帧图像；

对得到的单帧图像进行人形检测；

进行全图差分，并记录差分数据；

判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点；以及

记录人体互动区域和时间段；

所述步骤“判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点”包括：

基于获得的人体活动差分数据，运用人体位移活动模型判断差分数据是否满足人体位移活动类型；

若确定不为位移运动，则将N帧差分数据与人体互动触发模型进行匹配；

若成功匹配，则记录当前触发的互动区域与时间断点；

将N帧差分数据与人体互动终止模型进行匹配；以及

若成功匹配，记录当前终止的互动区域与时间断点。

2.如权利要求1所述的互动区域与互动时间段识别方法，其特征在于：所述步骤“对得到的单帧图像进行人形检测”包括：

将得到的单帧图像从RGB转换为灰度图像，并对转换后的灰度图像做平滑去噪滤波处理；以及

运用人像HOG算子，进行人像检测。

3.如权利要求2所述的互动区域与互动时间段识别方法，其特征在于：所述步骤“运用人像HOG算子进行人像检测”包括：

进行Gamma校正；

将图像转灰度；

计算图像的梯度与方向，以得到图像的梯度振幅与角度；

8×8网格方向梯度权重直方图统计；以及

块描述子与特征向量归一化。

4.如权利要求1所述的互动区域与互动时间段识别方法，其特征在于：所述步骤“进行全图差分，并记录差分数据”包括：

分别对全图进行两帧差分、三帧差分及五帧差分，并记录对应的差分结果；以及

通过人体运动统计模型将人体一般运动情况下的区域内像素变换运用一维正态分布进行描述，并滤除非人体活动的差分数据。

5.如权利要求1所述的互动区域与互动时间段识别方法，其特征在于：所述步骤“记录人体互动区域和时间段”包括：

计算互动触发区域与终止区域的重合部分，记录为人体活动区域；

计算互动触发与终止的间隔时间，并与记录的活动区域做对应；以及

进行同一空间下的多组视频检测，记录所有互动触发区域，并对所有相邻M像素范围内的互动触发区域进行求交集操作，获取交集部分的区域，该交集部分的区域即为最终获得的空间内互动频率最高的区域。

6.如权利要求5所述的互动区域与互动时间段识别方法，其特征在于：还包括：通过不同颜色标记不同互动频率的区域。

7.一种存储设备，其中存储有多条指令，所述指令适于由处理器加载并执行，所述指令包括：

接收输入的视频信号，并将所输入的视频信号进行拆帧处理，以生成单帧图像；

对得到的单帧图像进行人形检测；

进行全图差分，并记录差分数据；

判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点；以及

记录人体互动区域和时间段；

判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点”包括：

基于获得的人体活动差分数据，运用人体位移活动模型判断差分数据是否满足人体位移活动类型；

若确定不为位移运动，则将N帧差分数据与人体互动触发模型进行匹配；

若成功匹配，则记录当前触发的互动区域与时间断点；

将N帧差分数据与人体互动终止模型进行匹配；以及

若成功匹配，记录当前终止的互动区域与时间断点。

8.一种移动终端，包括：

处理器，适于实现各指令；以及

存储设备，适于存储多条指令，所述指令适于由处理器加载并执行，所述指令包括：

接收输入的视频信号，并将所输入的视频信号进行拆帧处理，以生成单帧图像；

对得到的单帧图像进行人形检测；

进行全图差分，并记录差分数据；

判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点；以及

记录人体互动区域和时间段；

判断前N帧的图像像素差分数据是否满足人体互动特征模型，并记录触发的互动区域与时间断点以及终止的互动区域与时间断点”包括：

基于获得的人体活动差分数据，运用人体位移活动模型判断差分数据是否满足人体位移活动类型；

若确定不为位移运动，则将N帧差分数据与人体互动触发模型进行匹配；

若成功匹配，则记录当前触发的互动区域与时间断点；

将N帧差分数据与人体互动终止模型进行匹配；以及

若成功匹配，记录当前终止的互动区域与时间断点。