[发明专利]基于全局显著边缘区域的人体动作特征提取方法

权利要求书

1.一种基于全局显著边缘区域的人体动作特征提取方法，其特征在于，包括以下步骤：

步骤1：减少RGB色彩空间的颜色数量，平滑颜色空间的显著度；

步骤2：根据相邻区域的空间关系计算显著性区域；

步骤3：采用二值化阈值分割前景显著区域；

步骤4：对分割出的前景区域做形态学梯度变化，生成全局显著边缘区域；

步骤5：通过特征点对和随机采样一致性修正光流场；

步骤6：遍历视频帧不同尺度下所有网格提取强角点；

步骤7：在显著边缘区域中采集修正光流幅值不为零的强角点作为关键特征强角点；

步骤8：检查步骤7获得的关键特征强角点数目，如果数目为零则取步骤6的强角点作为关键特征强角点；

步骤9：根据修正光流场计算关键特征强角点的位移；

步骤10：用强角点连续多帧的坐标位移轨迹，以及角点邻域梯度矢量组成人体动作局部时空特征。

2.根据权利要求1所述的基于全局显著边缘区域的人体动作特征提取方法，其特征在于：所述步骤1中，减少RGB色彩空间的颜色数量，平滑颜色空间的显著度；具体实现过程为：

定义图像I中第k个像素I_k的显著度S(·)为：

其中D(I_k,I_i)为像素I_k和像素I_i在颜色空间的距离度量；

先将RGB色彩空间3个通道的颜色量化到12个不同的值，使图像像素的颜色数量减少到12³＝1728；接着通过选择高频出现的颜色，将颜色数量减少到n＝85，确保这些颜色覆盖95％以上的像素；然后对每个量化后颜色c的显著度进行平滑操作，用m个近邻颜色显著性的加权平均值改善显著度，公式如下：

其中，为颜色c和m个近邻颜色c_j之间的距离；下标j表示第j个邻近颜色。

3.根据权利要求2所述的基于全局显著边缘区域的人体动作特征提取方法，其特征在于：所述步骤2中，根据相邻区域的空间关系计算显著性区域；实现过程为：

先使用图像分割算法将输入视频帧分成多个区域，并为每个区域建立起颜色直方图；对于每个区域r_k，通过与其它区域的颜色对比度来计算显著度，公式如下：

其中w(r_i)为图像中第i个区域的像素总数，表示区域r_i的权重，以此强调大区域的颜色对比度；D_r(·,·)为两个区域的颜色距离；两个区域r₁和r₂的颜色距离为：

其中c_1,i为区域r₁中第i个像素的颜色值，f(c_1,i)表示c_1,i在图像I中出现的概率；c_2,j为区域r₂中第j个像素的颜色值，f(c_2,j)表示c_2,j在图像I中出现的概率；D(c_1,i,c_2,j)表示两个像素c_1,i和c_2,j的颜色距离；

然后在公式(3)的基础上再加上相邻空间信息，增大近邻空间区域的影响，见公式：

其中D_s(r_i,r_k)为区域r_i和r_k的空间距离，是两个区域重心的欧氏距离，σ_s为颜色空间权重强度。

4.根据权利要求3所述的基于全局显著边缘区域的人体动作特征提取方法，其特征在于：所述步骤3中，采用二值化阈值分割前景显著区域；实现过程为：将公式(5)计算出的视频帧显著区域，从浮点型数据转换为8位无符号灰度图，通过设定一个[0，255]的阈值进行二值化操作，以得出的二值化图像作为输入视频帧的前景区域RCmap。