[发明专利]基于三维人体关键点的人体姿态分层分类方法

权利要求书

1.基于三维人体关键点的人体姿态分层分类方法，其特征在于，包括以下步骤，

S1、采用SVM分类器对人体的站立与非站立姿态进行分类；

所述步骤S1具体步骤如下：从得到的世界坐标系下人体关键点数据中选取头部和躯干上的关键点的z坐标作为SVM分类器的输入数据，Z＝{z₁,...,z₂},p＝7，

输入数据均值和方差分别为：

使用SVM分类器，求特征空间中的一个分离超平面w^Tx+b＝0，将计算得到的均值和方差作为样本特征，则样本数据集可表示为T＝{(x₁,y₁),...,(x_N,y_N)}，其中，N为样本数据个数，y_i∈{-1,1}为样本类别标签，1和-1分别表示站立与非站立；S2、对于非站立姿态，使用三维人体关键点数据，计算出人体躯干平面法向量，通过法向量方向区分平躺与俯卧两类姿态。

2.如权利要求1所述的基于三维人体关键点的人体姿态分层分类方法，其特征在于，所述步骤S1SVM分类器的训练，采用网格搜索法遍历设定的核函数和超参数，并通过在训练集与验证集上进行五折交叉验证来检验不同参数与核函数的分类性能，寻找最优的核函数与对应的超参数。

3.如权利要求2所述的基于三维人体关键点的人体姿态分层分类方法，其特征在于，

所述核函数为线性核函数、多项式核函数或高斯核函数。

4.如权利要求3所述的基于三维人体关键点的人体姿态分层分类方法，其特征在于，所述核函数及超参数值如下：线性核函数的超参数C∈[10^-3,10³]；多项式核函数的超参数C∈［10^-3,10³]，d∈[1,3]，γ∈[10^-3,10³]；高斯核函数的超参数C∈[10^-3,10³]，γ∈[10^-3,10³]。