[发明专利]基于量子遗传算法优化的高效人体动作识别方法

权利要求书

1.一种基于量子遗传算法优化的高效人体动作识别方法，其特征在于，包括以下步骤：

在待识别人体动作的持续时间内，获取M帧人体RGB-D图像数据，其中，M为大于等于2的整数；

提取每帧人体骨骼数据，获取人体关节点坐标信息，并根据所述人体关节点坐标信息提取该帧人体骨骼数据中多个肢干夹角的角度；

根据M帧人体骨骼数据中多个肢干夹角的角度生成所述待识别人体动作的描述样本；

通过量子遗传算法对支持向量机进行优化以得到优化后的支持向量机模型，并通过优化后的支持向量机模型对所述描述样本进行分类，以对所述待识别人体动作进行识别。

2.根据权利要求1所述的基于量子遗传算法优化的高效人体动作识别方法，其特征在于，所述肢干夹角为以连接多个肢干的人体关节点为顶点的任意两个肢干所形成的夹角。

3.根据权利要求2所述的基于量子遗传算法优化的高效人体动作识别方法，其特征在于，所述连接多个肢干的人体关节点包括臀部关节点、脖颈关节点、脊柱关节点、左肩关节点、左肘关节点、左腕关节点、右肩关节点、右肘关节点、右腕关节点、左臀部关节点、左膝关节点、左脚踝关节点、右臀部关节点、右膝关节点、右脚踝关节点。

4.根据权利要求3所述的基于量子遗传算法优化的高效人体动作识别方法，其特征在于，根据所述人体关节点坐标信息提取该帧人体骨骼数据中多个肢干夹角的角度具体包括：

根据所述连接多个肢干的人体关节点的坐标、以连接多个肢干的人体关节点为顶点的两个肢干末端的人体关节点的坐标分别计算该两个肢干所在直线的向量；

计算该两个肢干所在直线的向量之间的夹角，以得到该两个肢干的肢干夹角的角度。

5.根据权利要求4所述的基于量子遗传算法优化的高效人体动作识别方法，其特征在于，根据M帧人体骨骼数据中多个肢干夹角的角度生成所述待识别人体动作的描述样本具体包括：

分别提取每个肢干夹角在所述M帧人体骨骼数据中的角度，以得到与每个肢干夹角对应的M个角度；

计算每个肢干夹角对应的M个角度的方差，以得到所述待识别人体动作的描述样本。

6.根据权利要求1所述的基于量子遗传算法优化的高效人体动作识别方法，其特征在于，通过量子遗传算法对支持向量机进行优化具体包括：

根据约束条件y_k(ω^Tφ(x_k)+b)≥1-ε_k得到拉格朗日方程的对偶方程：

其中，ψ为目标函数，ω为超平面的权值矢量，b为偏置函数，ε_k为第k个松弛变量，且ε_k≥0，N为正整数，λ_k和μ_k都为拉格朗日乘子，C为惩罚因子，n为自然数，对应n阶软间隔分类，可取n＝1，即线性软间隔分类，x_k为输入的数据，y_k为输出的类别，

根据优化条件对上述对偶方程进行转换，得到优化后的支持向量机模型：

其中，x_i、x_j为二维输入，y_i、y_j为二维输出，K(x_i,x_j)＝φ(x_i)φ(x_j)为核函数，

所述优化后的支持向量机模型满足约束条件：