[发明专利]一种基于运动变化的智能识别方法

权利要求书

1.一种基于运动变化的智能识别方法，其特征在于：

步骤一：系统获取拍摄的短视频，基于短视频中的视频帧内容进行帧提取，对视频帧进行图像预处理；

步骤二：基于预处理后获得的视频序列的输出参数进行基于运动动作与衣物覆盖度的运动类型聚类识别；

步骤三：对初步识别出运动类型进行判断纠正，如果运动类型识别出现错误，返回步骤二，如果正确，进入步骤四；

步骤四：基于分类后的运动聚类类型选择合适的分类器获取视频帧中的运动特征，在运动动作库中匹配比对识别出具体运动；

步骤五：获取视频帧序列中的运动员面部表情特征，与运动动作库中进行匹配比对查询出该运动员的信息数据，并向用户输出运动介绍和运动员信息。

2.如权利要求1所述的基于运动变化的智能识别方法，其特征在于：

所述步骤一中，系统获取拍摄的短视频，基于短视频中的视频帧内容进行帧提取还包括：

采用Theta设备拍摄双目和深度短视频，拍摄的速度为每秒25帧，构建有多个类别的人体运动视频序列数据库；提取短视频V_i的每帧图像，得到帧序列F_i，对f_ij进行预处理，通过背景差分和皮肤模型获取出f_ij中运动帧序列。

3.如权利要求1所述的基于运动变化的智能识别方法，其特征在于：

所述步骤一中，对视频帧进行图像预处理还包括：

对帧序列进行深度运动过程多视角描述，包括正视角下的目标运动动作变化历程、俯视角下的目标运动动作变化历程以及左视角下的目标运动动作变化历程，搭建视角深度模型和多视角RGB模型；获取不同视角下的视频帧序列的SIFT 特征，对输入图像进行灰度化，将输入的RGB通道彩色图像变换为单通道图像，对图像进行畸变校正,将输入图像的检测窗口分割为相同尺寸的网格，然后相邻的网格构成一个块，与其他网格之间可以相互重叠，有效地利用重叠区域的边缘特征信息，对输入分割的视频边缘特征序列进行遍历计算出帧序列的输出参数。

4.如权利要求1所述的基于运动变化的智能识别方法，其特征在于：

所述步骤二：基于预处理后获得的视频序列的输出参数进行基于运动动作与衣物覆盖度的运动类型聚类识别，还包括：

基于获得的帧图像F_i聚类获取运动序列典型性的帧RF_i；所有视频运动类别所对应的典型性帧图像组成人体运动典型帧图像数据库；使用K均值算法对典型帧数据的下层视感动作特征进行聚类生成视感词库，将聚类的中心作为视感单词，然后将图像中的视感特征映射到最近的视感单词生成表示图像的直方图，其中用K均值聚类算法将得到的下层视感动作特征进行聚类，并将聚类得到的聚类中心作为视感词库的单词，那么均值聚类所得到的聚类中心就构成了图像训练集的视感词库，针对帧序列中的服装颜色的聚类和连通域分析法将颜色、亮度相近的域合并，获取运动状态特征，基于所有获得的运动状态特征训练数据的分类，与运动动作库中的动作语义集S；然后基于比对匹配的动作予以特征类别比对以形成运动员服装的候选区域；在提取到运动员服装的候选区域之后，可能还有一些偏差区域，还需要进一步的精检测来精确定位运动员服装的候选区域，采用局部二值模式来提取纹理信息。

5.如权利要求1所述的基于运动变化的智能识别方法，其特征在于：

所述步骤三：对初步识别出运动类型进行判断纠正，还包括：

将待识别的动作帧序列作为输入队列通过局部衰减模型，得到后续输出，进行线性预测之后，进行样本信号逼近的方式，对特征参数进行估计，其中的特征参数包括多尺度特征变换参数，如果特征参数的相似度与预处理识别出的运动类型的相似度>80％，则判断运动类别识别正确，否则，运动类别识别错误。