[发明专利]一种动作识别方法和系统

说明书

技术领域

本发明涉及动作识别领域，特别涉及一种动作识别方法和系统。

背景技术

动作识别是近年来非常热门的研究领域，通过图像捕捉设备，在较短的时间内完成对人体动作的识别过程，并转换为计算机等设备的操作指令；从而被作为一种有效的输入手段被应用到游戏、电影制作等广泛的应用领域中。

动作识别首先要解决的问题是找到人体动作的部位，人体动作的部位是动作识别的依据，一般称为“关注位置”。因为通常关注位置为人脸、手等裸露的部位，其颜色跟环境、衣服有比较大的区别，所以可以从颜色上把关注位置与非关注位置区分开。对于关注位置的确定，一般采用基于颜色分布统计的色彩直方图为依据，具体来说，是将人体动作捕捉为静态的待识别图像，根据图像不同区域(两区域中心位置、大小有任意一项不同则这两个区域为不同区域)的颜色统计出其色彩直方图，然后把各区域的统计直方图与预设的直方图作比较，寻找最相似的区域作为最后的关注位置。

但这种方法对颜色要求很高，人穿着与肤色相近的衣服、周围环境与肤色相近、环境光色调单一等等因素都会导致识别率大幅下降。且该方法只能获得所关注位置在图像的哪个位置，而无法获得关注位置的具体表达含义。

为消除颜色对图像识别的影响，现有的识别技术通常先把待识别图像转化为灰度图，然后对得到的灰度图进行识别。待识别图像被转化为灰度图后，需要用经过神经网络等人工智能技术训练的识别系统从整体中根据轮廓线条走向、各部分位置关系等特征寻找到关注位置，例如从人的全身像里找到脸或者手。

目前，在开源计算机视觉库(Open Computer Vision Library，OpenCV)项目中，采用了一种基于简单特征级联(Cascade of Simple Features)的图像识别算法，采用该算法的动作识别过程大致可分为两个部分，首先要通过训练过程生成特征文件，之后通过识别过程根据生成的特征文件对捕获的图像进行识别，得到识别结果。

图1为现有的训练过程流程图，如图1所示，该方法包括：

步骤101，获取训练图片。

获取需要训练的带有动作特征的训练图片，这些图片可以预先通过摄像头或相机等图像捕捉设备捕捉。

步骤102，标定待识别动作位置。

在训练图片上标定待识别动作在图片中的具体位置，也就是关注位置，可以通过编辑训练图片实现。

步骤103，创建训练样本。

创建训练样本可以按照训练图片直接创建，也可以先将训练图片转换为灰度图后，根据灰度图创建训练样本。

步骤104，生成特征文件。

其中步骤104中生成特征文件时，可以根据一个或多个训练样本生成。

图2为现有的识别过程流程图，如图2所示，该方法包括：

步骤201，捕获图像。

可以通过摄像头或者相机等图像捕捉设备捕获动作图像。

步骤202，根据特征文件进行识别。

识别时可以是直接使用捕获的图像与特征文件进行彩色直方图比对，也可以先将捕获的图像转换为灰度图后根据灰度图的特征文件进行识别。

步骤203，获取识别结果。

上述方法中，由于动作识别系统的工作环境与训练环境可能会有比较大的差别，可能训练时效果很好，一到实用就识别错误。且在偏色环境光(即环境光的颜色单一)照射下，不同颜色的部分，比如衣服和皮肤，会呈现差不多的颜色，只是看起来亮度有少许差别，即使这时候把彩色图像转化为灰度图，本来有明显颜色区分的部分也可能变得难以分辨，因此不管是使用彩色图像或灰度图进行训练和识别，在偏色环境光的照射条件下，都会存在不容易区分关注位置的问题，从而使识别的正确率降低。

发明内容

本发明实施例提供一种动作识别方法，可以减少偏色环境光对动作识别的影响，提高识别正确率。

本发明实施例提供一种动作识别系统，可以减少偏色环境光对动作识别的影响，提高识别正确率。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种动作识别方法，该方法包括：

在训练过程中，将训练图片转换为灰度图像及多个不同颜色通道图像，并分别生成与所述灰度图像及多个不同颜色通道图像对应的特征文件；

在识别过程中，将捕获图片转换为灰度图像及多个不同颜色通道图像，并分别与所述灰度图像及多个不同颜色通道图像对应的特征文件进行比较，获得对应的识别结果，根据所有识别结果综合得到最终识别结果。

一种动作识别系统，该系统包括：