[发明专利]一种基于高斯过程隐变量模型的人体动作识别方法

摘要

本发明请求保护一种基于高斯过程隐变量模型和隐条件随机场的判别式人体动作识别方法，主要包括以下三个部分：在获取运动数据方面，通过动作捕捉技术或Kinect体感技术获取人体的骨骼结构和运动信息；在提取运动特征方面，采用加入动态过程和稀疏近似的高斯过程隐变量模型来得到高维运动信息在低维隐空间中的流行结构，以表示运动特征；在人体动作识别方面，利用判别式的隐条件随机场对时序运动数据的特征进行建模，并对动作进行分类。本发明不仅可以实现人体运动特征的可视化，还可以有效利用运动时序数据之间的信息，对人体运动进行高精度识别，适用于人体动作的实时识别领域。

主权项

1.一种基于高斯过程隐变量模型的人体动作识别方法，其特征在于，包括以下步骤：101、采用动作捕捉技术和Kinect体感技术获取人体的骨骼结构和运动信息；102、采用高斯过程隐变量模型对步骤101采集到的人体骨骼结构信息和运动信息进行建模，包括特征提取和特征降维的步骤；步骤102中基于高斯过程隐变量模型的特征提取和特征降维具体包括步骤：(1)下载数据，包括人体骨骼信息和运动信息，采集方法包括采用动作捕捉技术进行采集或采用Kinect体感技术进行采集；(2)预处理，即对运动数据进行归一化、重采样、滤波，采用零均值规格化方法；(3)建立人体骨骼模型,根据不同采集方式得到的骨骼层次结构建立树状结构体，并计算运动信息中各个关节点相对于骨骼信息中的相对位置；(4)建立高斯过程隐变量模型：首先，选择信息向量机中的信息熵最大值原理来选择运动的关键帧，对运动特征进行稀疏近似；其次，选择感知机的后约束方法实现从高维运动空间到低维流行空间的平滑映射；(5)加入动态过程，放置一个高斯过程在隐含空间，将时间点t作为输入，以缓解动作变化所产生的分歧点；(6)优化模型参数，求取输入为低维流行空间的样本X，输出为高维运动空间的样本Y的后验概率最大时的超参数；(7)根据步骤(6)计算得到的超参数计算最近邻错误；103、采用判别式的隐条件随机场识别算法来识别人体的动态运动过程。