[发明专利]一种基于局部时空特征的人体行为识别方法在审
申请号: | 201910137022.5 | 申请日: | 2019-02-25 |
公开(公告)号: | CN109902614A | 公开(公告)日: | 2019-06-18 |
发明(设计)人: | 甘玲;瞿成凯 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 重庆市恒信知识产权代理有限公司 50102 | 代理人: | 刘小红;陈栋梁 |
地址: | 400065 重*** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明请求保护一种基于局部时空特征的人体行为识别方法,属于计算机视觉技术领域以及人体行为识别技术领域。本发明首先利用Kinect深度传感器中提取的骨骼视频序列作为人体行为表示,为视频序列中的每一个行为的每一帧提取位移矢量特征、相对位置特征、关节夹角特征等局部时空特征,然后利用K‑means聚类算法和VLAD算法将局部特征聚合成若干特征向量,然后将特征向量与LMNN算法结合进行度量学习,最后采用K‑NN分类器进行分类。本发明用于人体行为识别能使特征表达更具描述性和准确性,可以明显提高行为识别准确率。 | ||
搜索关键词: | 人体行为识别 时空特征 视频序列 特征向量 计算机视觉技术 深度传感器 局部特征 聚类算法 人体行为 算法结合 特征表达 位移矢量 位置特征 行为识别 分类器 帧提取 准确率 度量 算法 骨骼 聚合 关节 分类 学习 | ||
【主权项】:
1.一种基于局部时空特征的人体行为识别方法,其特征在于,包括以下步骤:步骤S1:输入数据集,即骨骼视频序列S;步骤S2:为骨骼视频序列S中的每一个行为的每一帧提取位移矢量特征(f1,f2,f3),相对位置特征(f4,f5,f6,f7),关节夹角特征f8,从而构建局部时空特征fn,s,其中n∈{1,...,8},s表示每个行为所划分的帧数;步骤S3:使用不同初始值的K‑means聚类算法对每一组局部特征序列fn,t聚类C次,其中t∈{1,...,s},C为一个常数,S为每个动作行为划分的帧数,对于每一组局部特征就获得C*k个集群μn,c,m,其中n∈{1,...,8},c∈{1,...,C},m∈{1,...,k},k表示聚类中心的个数;步骤S4:对步骤S3聚类得到的每一个集群μn,c,m运用VLAD局部聚合描述符算法将局部特征聚合成特征向量νn,c,m,并将νn,c,m进行幂律归一化处理,将所有集群归一化后得到的特征向量进行级联得到最终的局部特征向量Fn,c;步骤S5,将局部特征向量Fn,c与LMNN最大边界近邻算法结合进行度量学习,LMNN算法设计一个最小化目标函数来提高特征类内聚合度和类间离散度,并且降低特征维度;步骤S6:采用K‑NN分类算法进行特征向量的训练,其中使用5‑折叠交叉验证法和使用留一交叉校验法进行训练数据集和测试数据集的划分和验证;步骤S7:输出分类识别结果。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910137022.5/,转载请声明来源钻瓜专利网。