[发明专利]运动信息图像化的人体动作识别方法

权利要求书

1.一种运动信息图像化的人体动作识别方法，其特征在于该方法包括如下步骤：

第一步：利用人体动作捕捉仪器获取人体运动学习样本矩阵；

每个样本矩阵M包含一个完整动作，所有样本矩阵的大小都是相同的，为3P*T，其中，P为人体动作捕捉仪器捕捉到的关节数量，T为一个固定的帧数，单个样本矩阵M的每一纵列数据为在某一帧人各个关节点相对于盆骨关节的X、Y、Z方向上的距离；

样本矩阵M的纵列数据按顺序分成三关节个组，分别是关节组X，关节组Y，关节组Z，每一个关节组都有P个数据；

关节组X中的数据为人体各个关节点相对于盆骨关节点在X方向上的距离；

关节组Y中的数据为人体各个关节点相对于盆骨关节点在Y方向上的距离；

关节组Z中的数据为人体各个关节点相对于盆骨关节点在Z方向上的距离；

此外，每个关节组中人体关节按规定顺序排列，P个关节点按照层级关系被分为了5个支杆组，按顺序分别为主躯干组、左臂组、右臂组、左腿组和右腿组，即：

主躯干组：按顺序包括头、脖颈、脊椎和盆骨；

左臂组：按顺序包括左肩、左手肘、左手腕、左手；

右臂组：按顺序包括右肩、右手肘、右手腕、右手；

左腿组：按顺序包括左腿根部、左膝盖、左脚腕、左脚；

右腿组：按顺序包括右腿根部、右膝盖、右脚腕、右脚；

第二步：将所有学习样本矩阵转化为3P*T大小的灰度图；

第三步：将第二步得到的灰度图放入PCA图像识别器中进行学习；

放入PCA图像识别器中学习的是第二步产生的一系列灰度图以及其相对应的动作名称，通过调整PCA图像识别器的参数来调节动作识别的鲁棒性；

第四步：利用人体动作捕捉仪器获取待识别的人体运动样本矩阵；

每个待识别的运动矩阵H记录了一段运动数据，所有样本矩阵的行数都为3P，列数为一个不固定的帧数，以该运动样本的运动时间而定，其中每一纵列的数据构成与第一步相同；

第五步：将待识别的矩阵转化为3P*T大小的灰度图；

第六步：将第五步得到的灰度图放入第三步学习好的PCA图像识别器中做识别；

第七步：第四步中待识别的人体运动样本的识别结果即为第六步计算出的识别结果。

2.根据权利要求1所述的运动信息图像化的人体动作识别方法，其特征在于，所述第二步，具体为：

首先将样本矩阵M中的所有数据映射至（0，255）的大小区间内；

其次对灰度图m做灰度均衡化处理，以此来放大各个节点的运动信息并消减不同人体型对于识别准确度的影响。

3.根据权利要求2所述的运动信息图像化的人体动作识别方法，其特征在于，所述映射方法如下：

m[i,j]=M[i,j]*50+120；

即m的每一个点的灰度大小等于M对应数据乘以50加上120。

4.根据权利要求1所述的运动信息图像化的人体动作识别方法，其特征在于，所述第五步，具体为：

首先对运动矩阵做与第二步相同的处理；

其次对得到的图像利用插值法将其缩放至3P*T的大小。

5.根据权利要求1-4任一项所述的运动信息图像化的人体动作识别方法，其特征在于，所述PCA图像识别器指的是利用主成分分析法实现的图像模式识别器。

6.根据权利要求5所述的运动信息图像化的人体动作识别方法，其特征在于，所述PCA图像识别器采用OpenCV开源库提供的EigenObjectRecognizer识别器。

7.根据权利要求6项所述的运动信息图像化的人体动作识别方法，其特征在于，所述通过调整PCA图像识别器的参数来调节动作识别的鲁棒性，具体为：通过调节PCA图像识别器的识别阈值来调节动作识别的标准，使用EigenObjectRecognizer作为识别器时，识别阈值越高，动作被识别出的概率越低，识别阈值越低，则动作被识别出的概率越高，但识别的准确度会下降，即动作识别的鲁棒性随阈值的上升而下降，此处采用的阈值范围为2000至2500。