[发明专利]基于时空梯度特征的分部位的人体运动识别方法

权利要求书

1.一种基于时空梯度特征的分部位的人体运动识别方法，包括步骤如下：

(1)取一个视频样本I，检测视频中的时空兴趣点；

(2)根据Fischler和Elschlager提出的图结构模型将人体划分为头部、左上肢、左下肢、右上肢和右下肢部位；

(3)在各人体部位中，提取基于时空兴趣点的时空块C，并计算该时空块C中各层的最大梯度G_m；

(4)对时空块C提取基于最大梯度G_m的统计梯度特征g_i，作为该部位的运动特征f_i＝g_i；若某一部位包括多个时空块，则取所有时空块的统计梯度特征g_i的均值作为该部位的运动特征其中，N表示部位中时空块的个数；

(5)检测视频中人体的重心G(x₀,y₀)；

(6)计算该视频样本I中人体运动的速度特征

(7)将人体运动的各部位的运动特征f_i和速度特征级联得到人体运动的最终特征，对于没有时空兴趣点的部位，用零补齐；

(8)将Weizmann数据库按照8:1的比例划分为训练样本集X和测试样本集T；按照上述步骤(1)~(7)分别将训练样本集X和测试样本集T中的所有视频提取特征，获得训练样本特征集X'和测试样本特征集T'；

(9)利用SVM算法对训练样本特征集X'进行训练学习得到分类器；将测试样本特征集T'输入到分类器，得到各类运动的分类结果。

2.根据权利要求1所述的人体运动识别方法，其中步骤(1)所述的检测视频中的时空兴趣点，是按如下方法进行：

(1a)对原始视频采用二维Gauss滤波器进行降噪，得到滤波后的视频数据L：

L＝I*g，

其中，I表示原始视频数据，L表示滤波后的视频数据，g为高斯平滑核，g的计算公式为：

g(x,y,σ)=12πσ2e-x2+y22σ2,]]>

其中，x,y为像素坐标，σ为空间维度的尺度参数；

(1b)在时间维度上进行一维Gabor滤波，得到视频数据L在时间维度上的响应数据R：

R=L*hev2+L*hod2,]]>

其中，h_ev和h_od是Gabor滤波器的一组正交对，其定义公式如下：

hev=-cos(2πtω)e-t2/τ2,]]>

hod=-sin(2πtω)e-t2/τ2,]]>

其中，ω＝4/τ，t＝2τ，τ为时间维度的尺度参数；

(1c)设定响应数据R的阈值将响应数据R大于阈值的点记为时空兴趣点。