[发明专利]一种基于模版匹配的视点无关的人体动作识别方法

权利要求书

1.一种基于模板匹配的视点无关的人体动作识别方法，其特征在于方法分为模板构造和动作识别两个部分：

模板构造的步骤为：

1)首先捕获三维人体动作作为样例，采用3D max构造三维人体模型并将三维运动数据与模型绑定，渲染为多个视点下的二维人体轮廓序列；

2)基于多视点的人体轮廓序列计算此动作在多个视点下的运动历史图和相应的极坐标特征；

3)采用流形学习算法将所有样例动作多视点下的极坐标特征映射至四维子空间，得到每个极坐标特征在子空间中的四维坐标；

4)对每个样例动作的多视点极坐标特征，通过在四维子空间中计算虚拟球心和超球半径来构造动作超球；

5)将多种样例动作的动作超球集成起来得到动作模板；

动作识别的步骤为：

6)根据待识别动作序列构造运动历史图并提取相应的极坐标特征；

7)采用流形学习算法将此极坐标特征映射至模板动作子空间并获得待识别动作的四维坐标；

8)在动作模板中寻找与此四维坐标最接近的超球球面，并将此球面代表的样例动作作为候选的识别结果。

2.根据权利要求1所述的一种基于模板匹配的视点无关的人体动作识别方法，其特征在于所述的模板构造步骤中捕获三维人体动作作为样例，并采用特定造型软件将三维运动数据渲染为多个视点下的二维人体轮廓序列：采用运动分析光学运动捕获设备，捕获关节点处贴有标签的人体的几种典型动作的三维运动数据，采用3D Max构造人体的三维实体模型并与运动数据进行绑定，利用3D Max设定相机角度，渲染得到多个视点下的人体运动图像序列并基于背景图像将运动人体与背景分割开来，得到二值的人体轮廓序列。

3.根据权利要求1所述的一种基于模板匹配的视点无关的人体动作识别方法，其特征在于所述的模板构造步骤中基于多视点的人体轮廓序列计算此动作在多个视点下的运动历史图：运动历史图H_τ采用如下公式计算：

Hτ(x,y,t)=τifD(x,y,t)=1max(0,Hτ(x,y,t-1)-1)otherwise]]>

其中D(x，y，t)是由一段包含人体运动的图像序列I(x，y，t)与背景图像相减得到的二值人体轮廓序列；τ是这段动作的最大持续时间；根据动作持续时间归一化运动历史图的计算公式为：

H(x,y,t)=Hτ=tmax-tmin(x,y,tmax)/(tmax-tmin).]]>