[发明专利]一种基于数据融合的人体动作预判方法

说明书

本发明公开了一种基于数据融合的人体动作预判方法，包括：1、将人体动作序列数据的特征数据截断为多段人体动作序列数据；2、选择一种人体动作概率分类器，在每个截断的训练样本上分别对每维人体关键部位的数据进行训练，并得到概率分类结果；3、将每个截断的训练样本上的概率分类结果进行数据融合；4、通过最小化目标函数确定人体动作预判规则中的参数；5、利用训练好的模型对人体动作测试数据进行预判。本发明通过数据融合方法综合考虑人体各关键部位数据间的相互关系，并构建有效的人体动作预判规则，能够在保证人体动作分类准确率的条件下进行动作预判。

技术领域

本发明涉及人体动作识别领域，具体是一种基于数据融合的人体动作预判方法。

背景技术

人体动作识别是目前人工智能领域一个重要研究方向，该方向的研究对生产和科研领域都有着十分重要的意义。它涉及到视频捕获、图像处理、模式识别等相关技术，其在智能家居、人机交互、服务机器人等领域获得了广泛的应用。

人体动作识别问题实际是一个分类问题，它主要包括关节点追踪、特征提取以及动作识别，近年来这方面的研究取得了重大突破。关节点追踪主要完成的工作是从视频图像中得到人的结构模型，是后续动作识别的基础。特征提取是提取人体动作图像中属于特征性的信息的方法及过程，有效的人体动作特征提取可以大大提升识别准确率。动作识别是构建分类器，将提取到的特征输入分类器进行动作识别，常用的方法可分为基于模板的方法，比如模板匹配、动态时间规整、动态规划等；基于状态的方法，比如：比如动态贝叶斯网络、隐马尔科夫模型等；基于机器学习的方法，比如SVM、KNN等；以及基于深度学习的方法，比如卷积神经网络等。

人体动作预判是指在一个人体动作尚未完成的情况下，根据目前已经完成的部分动作，提前识别出动作类型，因此它既需要准确地给出分类结果，又要尽可能早地给出分类结果。人体动作预判有着非常重要的现实意义，比如在人机交互时，智能机器人可以根据人的部分动作进行预判并做出相应动作，可以加快机器人反应速度，提高其智能化程度；汽车自动驾驶过程中对行人动作的预判，可以提前规避行人，提高自动驾驶的安全性。

由于人体动作预判具有重要的现实意义，越来越受到学术界和产业界的重视。然而，目前人体动作预判存在几方面问题：

其一、传统的人体动作识别方法都是基于动作序列完成后，再利用某种分类方法判断人体动作的类型，而并不能提前给出分类结果，即不能在动作序列未完成前进行预判；

其二、人体动作实时识别方法不论结果是否准确，都会给出一种动作识别结果，并不能保证结果的可靠性，这将导致用户可能做出不正确的决策；

其三、人体动作由多维关键部位的序列数据构成，目前的还缺乏有效地概率数据融合方法用于综合考虑所有关键部位间的相互关系。

因此，目前还没有一种有效方法很好地适用于人体动作预判，只有在保证人体动作识别准确率的前提下，才尽可能早的进行预判。

发明内容

本发明为克服现有技术存在的不足之处，提供一种基于数据融合的人体动作预判方法，以期通过融合所有关键部位的分类概率结果提升识别准确率，并且构建新颖有效的人体动作预判规则，在保证人体动作识别准确率的前提下，尽可能达到提前识别的目的。

为了达到上述目的，本发明所采用的技术方案为：

本发明一种基于数据融合的人体动作预判方法的特点是按如下步骤进行：

步骤1：获取一组人体动作的序列数据作为训练样本：