[发明专利]一种基于关键帧的多特征融合的人体姿态识别方法

说明书

技术领域

本发明涉及一种人体姿态识别方法。 

背景技术

近几年来，随着中国及其它新兴经济体城镇化建设加速，人口流动增大的同时伴随着城市化所引发的一系列交通、治安等城市管理问题，视频监控越来越普及，对视频监控智能化的需求也越来越高。人们希望通过智能分析从视频中提取更多的信息应用于人们的生活和工作中的各个应用领域，例如安防监控、智能家居、人机交互、运动员辅助训练等。安防行业，如银行、铁轨、仓库等场所中，需要自动实现运动目标的检测和跟踪，及异常报警情况，从而减少各类损失；在家居安全系统和医疗监护系统中，能够及时检测出家中老人或病人是否发生异常情况；在智能机器人领域中，希望能够对视频中人的姿态、手势、语言的分析，与人进行交流和互动；在体育运动、舞蹈训练等一些运动训练中，系统能够分析运动员的关节运动参数，用于改进运动员的训练方式。 

现有的人体姿态识别通常采用两种方法：模板匹配法和状态空间法。模板匹配法是将图像序列转换为一组静态形状模式，然后在识别过程中用预先存储的行为标本来解释图像序列中人的运动，该算法的优点是计算复杂度低，实现简单，但是对行为的时间间隔敏感，鲁棒性差。状态空间法用状态空间模型定义每个静态姿势并作为一个状态，这些状态之间通过某种概率联系起来，每个运动序列可以看作为这些 静态姿势不同状态之间的一次遍历，并计算其联合概率的过程，该算法能够避免对时间间隔建模的问题，但是需要训练样本大，计算复杂度高。 

关键帧是指在视频序列中信息量最大、有代表性的一副或多幅图像，能够反映一段视频的内容梗概，同时要尽量做到简洁、数据量少，因此在视频分析过程中提取关键帧进行姿态识别很大程度的提高视频分析效率。常用的关键帧提取技术大致可以分为：基于镜头边界的方法，是将视频按照场景分割成若干个独立镜头，取每组镜头的第一帧、最后一帧或者中间帧作为关键帧，此算法简单、快捷，但未考虑视觉内容的复杂性，无法表示内容较长的视频片段；基于视频内容分析的方法，是利用图像特征，判断视频图像帧与当前帧的特征差异度，差异越大则为关键帧，这类算法对于不同长度和内容的视频能得到较好的效果，但对于镜头运动和视频内容变化较剧烈时，提取的关键帧将会很不稳定；基于运动分析的方法，这类算法的典型代表有光流法，该类算法的计算量较大，对于局部的运动信息依赖性强；基于聚类的方法，该类算法通过聚类分析，提取聚类中心作为关键帧，其优点是能较好地反映视频内容，但其算法复杂，且稳定性差。 

发明内容

为了克服已有的人体姿态识别方法的算法复杂、稳定性差、鲁棒性差的不足，本发明提供一种简化计算、稳定性良好、鲁棒性良好的基于关键帧的多特征融合的人体姿态识别方法。 

本发明解决其技术问题所采用的技术方案是： 

一种基于关键帧的多特征融合的人体姿态识别方法，所述人体姿态识别方法包括以下步骤： 

(1)对视频图像提取Hu不变矩特征，计算图像序列的覆盖率，提取覆盖率最高的设定覆盖百分数为候选关键帧，然后计算候选关键帧的失真率，以提取其中最小的失真百分数为关键帧； 

(2)对关键帧进行前景图像的抽取，得到运动人体的前景图像后； 

(3)提取关键帧的特征信息，所述特征信息为六星模型、六星角度和离心率；得到多特征融合的图像特征向量； 

(4)使用一对一的训练好的分类模型，所述分类模型为基于SVM的姿态分类器，对姿态进行识别。 

进一步，所述步骤(4)中，针对N类姿态，在任意两类样本之间设计一个SVM，因此就需要设计N*(N-1)/2个SVM。 

再进一步，所述步骤(4)中，分类模型的训练过程如下： 

(4.1)首先对人体的前景图像进行预处理，对于不同的行为视频片段，先对其进行基于码本的背景训练，通过视频序列帧与背景模型的图像差分，得到运动人体的前景图像，并进行形态学的图像处理，去除图像噪声； 

(4.2)提取包含11种姿态的训练数据的特征，组成标准样本的特征库，使用多姿态融合的方法对运动人体进行姿态特征描述，所述11种姿态分别为行走、小跳跃、大跳跃、侧走、蹲下、弯腰、爬行、俯卧撑、仰卧起坐和坐下； 

(4.3)通过对标准样本的学习，构建基于SVM的多类分类模型； 

(4.4)利用测试样本对模型进行验证，如果低于预计的正确率则调整训练样本，返回到(4.1)，直到高于预计的正确率，得到训练后的分类模型。