[发明专利]运动信息图像化的人体动作识别方法

说明书

技术领域

本发明涉及人体动作识别方法，具体地，涉及一种运动信息图像化的人体动作识别方法。

背景技术

人体动作识别技术因其在安全监控、军事训练或是娱乐游戏等方面的广泛需求，已成为当今人机交互领域的热门课题。人体动作识别技术可以分为两类，分别是基于摄像头拍摄的运动录像的识别技术和基于人体关节运动信息的识别技术。前者对包含人物运动的图片直接做图像识别、模版匹配，而后者对人体关节运动信息的时空矩阵做数学处理和机器学习，或者利用状态机方法直接定义动作。

现有技术中也存在动作识别方法，比如中国专利公开号为101788861A(申请号为200910002876.9)的发明专利，该专利公开“一种三维动作识别方法与系统,用以识别物体在三维空间的动作结构。此方法首先提供数据库,此数据库记录数组预设惯性信息,且每组预设惯性信息描述在三维空间中某种特定动作的惯性动态。接着,通过物体内部的运动传感器撷取物体动作时的惯性信息,并与数据库内所有的预设惯性信息做相似度的比较。最后,依据相似度的高低判断物体的动作是否同于预设在数据库内某组预设惯性信息所对应的特定动作。”

又如：中国专利公开号为101794384A（申请号为20101022916.6）的发明专利“一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法”，该发明公开了“一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法。方法的步骤如下:预先采集投篮动作到数据库并按类分组,每组构建运动图,将所有动作渲染成多视角下的二维图像后提取关键特征,计算每个姿态的图像特征值。运行时拍下人投篮的图片序列对其进行精细的轮廓提取,计算轮廓图的特征值,在数据库中找到与其特征值最相似姿态所在组为击中组,找到该投篮动作所有轮廓击中最多的组,再找到每帧轮廓图在该组运动图上与其特征值最相近的姿态所在节点,分析这些点并修复成连续的一段,作为动作识别结果。本发明能只利用图像获取设备快速而准确地识别出投篮动作。”

目前的人体动作识别技术尚不成熟，存在诸多问题，包括时空鲁棒性差、无法识别复杂的全身动作、难以识别出非定义动作和需要海量的学习样本，而最大的问题是没有同时解决这四个问题。其中时空鲁棒性差意为对运动的幅度和速度变化敏感性过高，以致动作难以被识别，尤其导致难以识别出副样本（即非定义动作）。无法识别复杂运动的原因主要是对运动信息做数学处理时过滤了过多的关键信息或是提取了错误的关键信息。而无法识别复杂的全身运动主要原因是在识别过程中对运动样本做分析和信息提取的时候提取了无用信息或者过滤了过多的有用信息。难以识别出非定义动作意为难以辨认出没有定义过的无意义动作，而是将无意义动作也错误地归类为某个已经定义过的动作。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种运动信息图像化的人体动作识别方法。该方法将人体各个关节随时间变化的运动数据转化为灰度图像，再利用图像识别算法来学习和识别这些灰度图像，以此识别出人体动作，从而提升了全身性的人体动作识别准确率和鲁棒性，而且还能在一定范围内根据实时场景不同而调整动作识别的鲁棒性。

为实现上述目的，本发明提供一种运动信息图像化的人体动作识别方法，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；