[发明专利]基于空间分割学习的人体肢体姿势动作识别方法

说明书

技术领域

本发明属于人机交互模式识别领域，具体为姿势动作识别方法。

背景技术

对人体的姿势和动作进行识别，可以带来一种全新的人机交互方式，通过身体语言即人体的姿势和动作来传达用户的意思，控制设备或应用程序。

在获取人体数据方面，分为两大类技术方法，一类是基于姿势动作识别的特定输入硬件设备的，另一类是基于影像技术的。

基于特定输入设备的技术要使用动作捕捉手套(也称“数据手套”)、探针或者其他类型的位置跟踪器，这些跟踪器可以将动作转换为信号，并发送给系统进行识别。

例如动作捕捉手套内装有感应器，用于识别和传递操纵者的手部和指头的动作；使用显示技术的探针界面则可以记录和解析书写文本之类的动作；基于指部的感应器可以探测指头的每一个动作，而一些平板电脑则使用电磁感应笔进行操作。

位置跟踪器也可以通过发射超声波或红外线来识别构成一个姿势的若干动作，例如，超声波的变化可以测量手指对于某一固定点的相对位置变化。

这类方法使用的设备穿戴和使用都很碍事，很难被绝大多数用户所接受。

基于影像技术的，该类方法通过使用摄像机之类的设备、获取用户的动作过程图像，从而从视频图像中分析出姿势动作，这类方法目前稳定性还不是很好，当出现一些干扰因素时，如背景和灯光等发生变化，很多产品对动作的识别就变得不够准确，或者达不到最佳的识别效果，并且这类方法一般都很占用系统资源，图像处理速度不够快，时间延迟会达到无法接受的程度。

在姿势动作识别算法上，可以分为三类：基于统计的方法、基于模板的方法和基于语法的方法。

(1)基于统计的方法

目前主要有隐式马尔可夫模型(HMMs)和动态贝叶斯网络(DBN)两种方法。

HMMs由状态和观测两部分组成，是一种基于转移概率和传输概率的随机模型，系统当前所处状态的概率只与前一个时刻的状态有关，与其他历史状态条件无关。在HMMs的识别过程中，首先提取出特征向量序列，然后通过学习算法进行模型参数训练，最后对未知的运动序列进行识别分类。

Yamato等人[1]首次用HMMs进行人体动作姿态的识别，之后又出现了HMMs的各种改进模型[2-4]。上述各种隐式马尔可夫模型有两个缺点：第一，由于HMMs只适合于描述单个运动物体的系统，随着运动物体数目的增加，系统的状态数目以及HMMs模型中的状态转移矩阵和观测模型的参数都呈指数增长，极大地增加了系统的计算复杂度，这样，HMMs的应用范围就有很大的局限性；第二，HMMs模型无法进行信息的有效融合，由此导致参数误差的相互叠加，进行而无法保证模型参数的精确度。

动态贝叶斯网络(DBN)法[5-6]可以针对具体问题设计出相应的网络结构，而且可以将各种信息进行融合推理，同时为了使信息的配置更加优化，还可以对各种不同信息根据其来源、置信度等设置不同的权重，可以应用于识别多个物体的动态系统，而这样的系统需要大量的特征参数，所以动态贝叶斯网络的方法计算量较大，复杂度较高。

(2)基于模板的方法

主要是模板匹配法、动态时空规整法和动态规划法。

模板匹配法的思想是首先对人体动作姿态进行训练建立模板库，然后将待识别的动作姿势与模板进行匹配，计算二者之间的相似度，如文献[7]。模板匹配法的缺点是对噪声和动作姿态持续时间的变化比较敏感。

动态时空规整法是一种非线性时间规整方法，它是将待识别的人体动作姿态模板的时间轴非线性地映射到训练模板的时间轴上，从而能够使两者的距离最小，如文献[8]。动态时空规整法较好的解决了人体动作姿态在时间尺度上的不确定性。

在动态规划算法的识别过程中，待识别样本模板中的每个时刻特征可以与特征模板中的任意时刻进行匹配，二者都无需进行时间规整，但要求必须顺序进行，如文献[9]。动态规划算法的主要缺点是计算量会随着训练样本数目的增加而增加。

(3)基于语法的方法

主要有有限状态机[10]以及上下文无关的文法[11]，但是这种语法描述都是非常复杂的。

参考文献：

[1]Yamato J,Ohya J,Ishii K.Recognizing human action in time sequential images using Hidden Markov model[A].In Proc CVPR[C],IEEE,1992:379-385.