[发明专利]一种基于骨骼关节点识别的人体姿态特征提取方法

说明书

本发明是一种基于骨骼关节点识别的人体姿态特征提取方法，包括特征提取坐标系建立和骨骼关节点特征提取两个阶段，在特征提取坐标系建立阶段，首先根据预选取的图片构造特征提取坐标系参照图片序列，然后提取各参照图片中包含骨骼关节点数据，构造包含人体对象序列数据的特征提取参照坐标系；在骨骼关节点特征提取阶段，针对待特征提取的目标图片，首先提取该图片中人物的骨骼关节点数据，构造该图片对应的人体对象数据；然后参照特征提取坐标系，对该目标图片中的人体对象进行对齐校正处理；最后，利用OKS算法，计算目标图片中人物姿态与特征提取坐标系中的各参照图片的人物姿态的相似度，生成表示目标图片中人物的人体姿态的特征向量。

技术领域

本发明属于计算机视觉领域，具体的说是涉及一种基于骨骼关节点识别的人体姿态特征提取方法。

背景技术

动作识别是计算机视觉领域的基本问题之一，在智能监测、运动评估、医疗看护等具有动作识别需求的应用领域具有一定的实用价值。近些年伴随着网络视频数据量的急剧增长，动作识别的重心由原来传统的机器学习方法转向基于图像的深度学习方法，而基于图像的深度学习方法在进行网络训练前需要对视频数据进行特征提取，受视频质量和场景信息复杂的影响，特征提取的方法往往也不相同。光流特征、骨骼特征、时空特征是目前人体动作识别中最常用的方法。随着图卷积神经网络的提出，因为人体骨骼中含有关节的位置信息，基于骨骼关节点的特征提取方法成为主流。

目前基于骨骼关节点的特征提取方法主要通过提取骨骼关节点的静态和动态特征来描述人体姿态。静态特征包括肢体夹角和相对距离，在静态特征的提取中，虽然实现了对视频中每一帧动作的表达，但是对于近邻帧之间的变化却无法表达，使用动态特征，如关节动能和肢体夹角的角加速度等，可以更加有利地进行人体动作的识别。而动态特征的提取对动作边界的确定性有一定的要求，对于包括多个动作，且每个动作的持续时间不同、速度变化快，不能在时间上对动作边界进行准确地定位的场景识别效果较差。

发明内容

为了解决上述问题，本发明提供了一种基于骨骼关节点识别的人体姿态特征提取方法，该特征提取方法分析了骨骼关节点数据的特征，精炼构建了人体特征向量。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种基于骨骼关节点识别的人体姿态特征提取方法，包括特征提取坐标系建立和骨骼关节点特征提取两个阶段。在特征提取坐标系建立阶段，首先选取人物动作差异明显的多张图片，构造特征提取坐标系参照图片序列；然后提取图片序列内各图片中人物的骨骼关节点数据得到基于骨骼关节点描述的人体对象序列。在骨骼关节点特征提取阶段，首先对于待特征提取的包含目标人物的图片利用人体骨骼关节点识别模型提取图片中目标人物的骨骼关节点构造图片中目标人物的人体对象；然后利用OKS算法计算图片中人物姿态与特征提取坐标系参照图片序列中各图片的人物姿态的相似度，生成表示图片中人物的人体姿态的特征向量。

特征提取坐标系建立阶段：

(1)选取m张图片，构造特征提取坐标系参照图片序列R＝r₁,r₂,…,r_m，其中每张图片只包含一个人，且无遮挡、骨骼关节点清晰，不同图片中人物动作具有差异性。