[发明专利]基于姿态估计的人体行为识别方法

权利要求书

1.一种基于姿态估计的人体行为识别方法，包括：

(1)提取视频中每帧人体关节点位置坐标：

(1a)利用Open-pose方法对视频中每帧人体进行姿态估计，得到人体脖子、胸部、头部、右肩、左肩、右臀部、左臀部、右手肘、左手肘、右膝盖、左膝盖、右手腕、左手腕、右脚踝和左脚踝这15个关节点的位置坐标，其中第k个关节点的坐标表示为L_k＝(x_k,y_k)，k从1到15；

(1b)对每个关节点的位置坐标进行归一化；

(1c)用归一化之后的15个关节点位置坐标构成坐标矩阵P，P＝[(x₁,y₁),(x₂,y₂),...,(x_k,y_k),...,(x₁₅,y₁₅)],其中(x_k,y_k)表示第k个关节点归一化之后的坐标；

(2)计算相邻两帧人体关节点距离变化量矩阵：

(2a)根据相邻两帧的坐标矩阵P_n和P_n-1，计算相邻两帧关节点位置坐标变化量矩阵

(2b)根据关节点位置坐标变化量矩阵计算关节点距离变化量矩阵D；

(3)生成视频特征：

(3a)按照视频的时间长度将视频平均分成4段，将每一段视频中相邻两帧产生的距离变化量矩阵D相加，得到各段累计距离变化量矩阵D_i，i从1到4；

(3b)对D_i进行L2归一化，得到归一化之后的D_i'；

(3c)将累计距离变化量矩阵D_i'串联起来作为整个视频的特征：

F＝[D₁',D₂',D₃',D₄']；

(4)训练分类器对视频进行分类：

(4a)把sub-JHMDB数据集的视频分成训练集和测试集两部分，将训练集视频的特征输入到支持向量机中进行训练，得到训练好的支持向量机；

(4b)把测试集视频的特征输入到训练好的支持向量机中得到分类结果。

2.根据权利要求1所述的方法，其中步骤(1b)中对每个关节点的位置坐标进行归一化，按如下公式进行：

其中x,y表示归一化前的坐标，x',y'表示归一化后的坐标，W表示视频的每一帧宽度，H表示视频的每一帧高度。

3.根据权利要求1所述的方法，其中步骤(2a)中计算相邻两帧关节点位置坐标变化量矩阵按如下公式计算：

其中P_n和P_n-1分别表示前一帧和后一帧的关节点位置矩阵，dx_k和dy_k表示第k个关节点相邻两帧坐标变化量。

4.根据权利要求1所述的方法，其中步骤(2b)中计算关节点距离变化量矩阵D，按如下公式计算：

其中dx_k和dy_k表示中第k个元素。

5.根据权利要求1所述的方法，其中步骤(3b)中对D_i进行L2归一化得到D_i'，按如下公式计算：

其中D_i＝[d₁,d₂,...,d_k,...,d₁₅]是第i段视频累计距离变化量矩阵，d_k表示D_i中第k个元素，是D_i的L2范数，表示D_i中第k个元素的平方。