[发明专利]一种基于OptiTrack的人体姿态识别方法

权利要求书

1.一种基于OptiTrack的人体姿态识别方法，其特征在于：包括以下步骤：

第一步：采用限幅滤波算法对OptiTrack的姿态数据帧序列进行限幅滤波处理，去除数据帧噪声；

第二步：采用K-均值聚类算法提取去噪后的数据帧序列的关键语义帧；

第三步：采用局部线性嵌入算法提取训练样本的姿态特征，并使用降维思路将关键语义帧带入训练样本的姿态特征中，对关键语义帧的特征进行分类，从而实现姿态的分类识别；

首先提取训练样本的姿态特征，已知训练样本其类别标签为c是标签的类别数，首先通过权重系数构建训练样本点之间的权重矩阵：

式中，为局部协方差矩阵，为剩余m-1个与标签相同的样本；

根据目标函数：

由上述目标函数化解出M＝(I-W)^T(I-W)，其中，W由权重系数组成的权重矩阵，表示矩阵W中的第i行j列元素，投影矩阵P＝[α₁，α₂，…，α_d]，其中α₁，α₂，…，α_d是矩阵M的前d个最小的非零特征值λ₁，λ₂，…，λ_d对应的特征向量；为特征提取后训练样本对应的姿态特征，即将关键语义帧序列μ⁽¹⁾，μ⁽²⁾，…，μ⁽ⁿ⁾带入前述姿态特征的提取方法中得出关键语义帧的姿态特征Y＝P^T[μ⁽¹⁾，μ⁽²⁾，…，μ⁽ⁿ⁾]＝[y₁，y₂，…，y_n]。

2.根据权利要求1所述的基于OptiTrack的人体姿态识别方法，其特征在于：对OptiTrack的姿态数据帧序列进行限幅滤波处理，实现数据帧去噪，其具体过程包括如下：

假设[x₁，x₂，…，x_n]为OptiTrack捕获的姿态数据帧序列，限幅滤波后的姿态数据帧为：

上式中A＝α/FPS，FPS为每秒传输帧数，α为常数。

3.根据权利要求2所述的基于OptiTrack的人体姿态识别方法，其特征在于：对关键语义帧降维分类，其具体过程如下：已知降维过后的样本与其标签信息L，计算关键语义帧的投影Y＝P^T[μ⁽¹⁾，μ⁽²⁾，…，μ⁽ⁿ⁾]，利用SVM分类器对Y中列向量进行分类。