[发明专利]基于混合描述子的人体运动识别方法

摘要

本发明提出了一种基于混合描述子的人体运动识别方法，主要解决现有技术中特征提取复杂、表征能力弱的问题。其实现步骤是：（1）获得人体运动视频数据，并按8:1的比例构建训练视频集X和测试视频集T；（2）提取每个视频中人体星型模型的5个顶点坐标并计算这5个顶点坐标在其独立坐标系下的极径和极角，得到人体各个部位的统计直方图特征；（4）提取一个视频中所有图像的运动特征；（5）将统计直方图特征和运动特征级联，作为视频的最终特征；（6）分别对训练视频集X和测试视频集T中的所有视频进行特征提取，获得训练视频特征集X*和测试视频特征集T*，并对其进行学习训练，获得分类结果。本发明能准确识别人体运动，可用于视频监控、目标识别和运动识别的视频处理。

主权项

1.一种基于混合描述子的人体运动识别方法，包括如下步骤： (1)将Weizmann数据库中的视频按照8:1的比例构建训练视频集X和测试视频集T，并将训练视频集X和测试视频集T中的每段视频转换为连续的单幅序列图像； (2)利用帧差法对训练视频集X中的单幅序列图像进行背景减除，并将背景减除后的彩色图像变为二值图像； (3)在上述二值图像中选取人体双手平举双脚并拢垂直站立的图片，记录图片中人体5个部位的坐标，即头部坐标(x_head,y_head)，左手坐标(x_arml,y_arml)，右手坐标(x_armr,y_armr)，左脚坐标(x_legl,y_legl)，右脚坐标(x_legr,y_legr)； (4)提取步骤(2)所有二值图像中人体的5个部位在以人体重心为坐标中心的直角坐标系中的坐标，分别记为左脚坐标：(x₁',y₁')，右脚坐标：(x'₂,y'₂)，头部坐标：(x'₃,y'₃)，左手坐标：(x'₄,y'₄)，右手坐标：(x'₅,y'₅)； (5)用步骤(3)中得到的头部坐标(x_head,y_head)为坐标中心构造直角坐标系o_head，左手坐标(x_arml,y_arml)为坐标中心构造直角坐标系o_arml，右手坐标(x_armr,y_armr)为坐标中心构造直角坐标系o_armr，左脚坐标(x_legl,y_legl)为坐标中心构造直角坐标系o_legl，右脚坐标(x_legr,y_legr)为坐标中心构造直角坐标系o_legr；进行平移直角坐标系变换，将步骤(4)中得到左脚坐标(x₁',y₁')转换到直角坐标系o_legl中得到新的左脚坐标右脚坐标(x'₂,y'₂)转换到直角坐标系o_legr中得到新的右脚坐标头部坐标(x'₃,y'₃)转换到直角坐标系o_head中得到新的头部坐标左手坐标(x'₄,y'₄)转换到直角坐标系o_arml中得到新的左手坐标右手坐标(x'₅,y'₅)转换到直角坐标系o_armr中得到新的右手坐标(6)分别计算步骤(5)中得到的5个人体部位坐标到直角坐标系o_legl，o_legr，o_head，o_arml，o_armr的坐标中心的距离，依次记为(7)利用上述距离中的最大值D^*，计算5个人体部位坐标的极径：其中i＝1,2......5，(8)计算步骤(5)中得到的5个人体部位坐标的极角：其中i＝1,2......5；(9)按照上述步骤(4)～(8)将一个运动视频中的所有序列图片都做如上处理，得到一个视频中所有图片中人的5个部位的极径r^*和极角θ^*； (10)计算一个运动视频的2D统计直方图特征N： (10a)将极径r^*的取值范围等分为5个连续的子区间，将极角θ^*的取值范围等分为10个连续的子区间；再将极径r^*的5个子区间和极角θ^*的10子区间分别两两组合，构成50个联合子区间； (10b)分别统计步骤(9)得到的一个视频的所有图片中人的5个部位的极径r^*和极角θ^*的值落在这50个联合子区间中的次数，得到5个部位的位置特征向量，分别记为n₁，n₂，n₃，n₄，n₅，并将这5个部位的位置特征向量级联，得到一个运动视频的2D统计直方图特征N＝{n₁，n₂，n₃，n₄，n₅}； (11)利用图像矩计算一个运动视频中每幅图像中人体的帧速率，将每幅图像的帧速率级联，得到一个运动视频的运动特征V； (12)将步骤(10)得到的2D统计直方图特征N和步骤(11)得到的运动特征V进行级联，得到一个运动视频的最终特征B＝{N，V}； (13)按照上述步骤(4)～(12)提取训练视频集X和测试视频集T中的所有运动视频的最终特征，获得训练视频特征集X^*和测试视频特征集T^*； (14)利用SVM算法对训练视频特征集X^*进行训练学习得到分类器，将测试视频特征集T^*输入到分类器中，得到各类运动的分类结果。