[发明专利]基于关键帧和随机森林回归的人体上半身动作识别方法

说明书

本发明涉及一种基于关键帧和随机森林回归的人体上半身动作识别方法，其特征在于：利用OptiTrack及其配套软件OptiTrack和Kinect v2同时得到人体上半身关键关节坐标；利用随机森林回归的方法学习从Kinect得到的关键帧和从OptiTrack得到的关键帧之间特征值差异的回归函数，最终实现两个功能：（1）输入从Kinect得到的帧，由随机森林预测特征值差异，然后修正骨架；（2）输入从Kinect得到的帧，通过随机森林预测姿势标记来判断动作。弥补现有基于Kinect的上半身动作识别方法的不足，解决只能识别简单动作且识别正确率不高的问题。

技术领域

本发明涉及一种基于关键帧和随机森林回归的人体上半身动作识别方法，属于计算机模式识别技术领域。

背景技术

虽然近年来人们基于Kinect人体骨架的人体动作识别方面进行了一系列研究，核心技术就是通过Kinect捕获人体运动姿势，然后进行人体动作识别和分析。但仍然有识别准确率不高、鲁棒性弱、扩展性不强等缺点。当骨骼的关节点被遮挡时，Kinect骨骼识别方面并不是完全的精确。相对于人体下半身，上半身姿势和动作所能表达的信息更丰富，但是，基于Kinect的人体上半身动作的识别方法很少，其中多数方法是在无关节遮挡的情况下来识别，有的方法在关节遮挡的情况下进行识别，但识别的动作较少且识别率不高。因此，需要一种在上半身关节被遮挡的情况下还能识别动作的方法。

人体全身动作(或姿势)的识别方法很多，有的研究者基于深度图像进行人体姿势识别的研究[1-4]；

[1]Xia,L.；Chen,C.C.and Aggarwal,J.K.“Human detection using depthinformation by Kinect”.//in IEEE Computer Society Conference on ComputerVision and Pattern Recognition Workshops,Colorado Springs,CO,USA,2011,pp.15-22.

[2]Shotton,J.；Sharp,T.；Kipman,A.；Fitzgibbon,A.；Finocchio,M.；Blake,A.；Cook,M.and Moore,R.“Real-time human pose recognition in parts from singledepth images”.//Communications of the ACM,56,1(2013),pp.116-124.

[3]Wang,W.J.；Chang,J.W.；Haung,S.F.and Wang,R.J.“Human posturerecognition based on images captured by the Kinect sensor”.//InternationalJournal of Advanced Robotic Systems,13,2(2016),pp.54-69.

[4]Liu T,Song Y,Gu Y,et al.Human Action Recognition Based on DepthImages from Microsoft Kinect[C]//Intelligent Systems.IEEE,2014:200-204.

有的研究者组合利用深度图像和骨骼信息进行人体姿势识别[5,6]；

[5]Xiao Z,Fu M,Yi Y,et al.3D Human Postures Recognition Using Kinect[C]//International Conference on Intelligent Human-Machine Systems andCybernetics.IEEE Computer Society,2012:344-347.