[发明专利]人物动作的识别方法及装置

说明书

本发明公开了一种人物动作的识别方法及装置，在上述方法中，采用全部表征人物与图像采集设备之间距离的深度图像集合训练姿势模型；通过训练得到的姿势模型计算动作模型；根据训练得到的姿势模型以及计算得到的动作模型，采用预设算法对实时采集的深度图像中的人物动作进行识别。根据本发明提供的技术方案，进而大幅度减少了动作识别时的计算量，提高了动作识别的准确度，可以方便地在模型中加入新动作。

技术领域

本发明涉及图像识别领域，具体而言，涉及一种人物动作的识别方法及装置。

背景技术

目前，相关技术中主要使用色彩图来识别人物动作，其在人物提取以及动作表现上均会受到环境光以及阴影等多方面因素的影响，稳定性较差。

另外，相关技术中所生成的动作模型无法识别连续的人物动作，而且，对于人物动作识别必须设定初始状态和结束状态。

发明内容

本发明提供了一种人物动作的识别方法及装置，以至少解决相关技术中在人物连续运动时无法识别出人物动作的问题。

根据本发明的一个方面，提供了一种人物动作的识别方法。

根据本发明实施例的人物动作的识别方法包括：采用全部表征人物与图像采集设备之间距离的深度图像集合训练姿势模型；通过训练得到的姿势模型计算动作模型；根据训练得到的姿势模型以及计算得到的动作模型，采用预设算法对实时采集的深度图像中的人物动作进行识别。

优选地，采用深度图像集合训练姿势模型包括：计算深度图像集合中每一幅深度图像的人物身高；采用计算出的人物身高对该幅深度图像进行归一化处理；将经过归一化处理后的深度图像分别向三维直角坐标系中的XY、XZ和YZ三个平面进行投影，得到二维投影图像集合，其中，分别计算二维投影图像集合中的每幅二维投影图像的轮廓，并对轮廓的像素点进行随机均匀采样；将经过采样处理后的样本像素点作为特征进行聚类处理；分别对聚类处理结果中的每个类别使用最大期望算法训练得到高斯混合模型。

优选地，在聚类处理中使用的距离度量为：d_ij=(1+exp(-α(d_h(fi,f_j)-β)))^-1，其中，α和β为常数，f_i和f_j为两个不同的作为特征的样本像素点，

优选地，采用预设算法对人物动作进行识别包括：依次使用每个姿势模型p_i对实时采集的深度图像x进行预测；将满足max{Pr(x|p_i)}>TH_p的预测概率最大的k个姿势模型放入缓冲区，其中，TH_p为第一预设阈值，k为正整数；当缓冲区被填满时，执行字符串快速匹配算法，依次使用每个动作模型进行匹配，如果max{Pr({x_k}|φ_l)}>TH_φ，则返回识别成功的动作其中，为第二预设阈值，{x_k}为待匹配的姿势序列，L为动作数量。

根据本发明的另一方面，提供了一种人物动作的识别装置。

根据本发明实施例的人物动作的识别装置包括：训练模块，用于采用全部表征人物与图像采集设备之间距离的深度图像集合训练姿势模型；计算模块，用于通过训练得到的姿势模型计算动作模型；识别模块，用于根据训练得到的姿势模型以及计算得到的动作模型，采用预设算法对实时采集的深度图像中的人物动作进行识别。