[发明专利]一种固定位人体行为分析方法

说明书

一种固定位人体行为分析方法，包括如下步骤：1）、将人体检测的目标或扫描窗口进行HOG特征提取；2）、将人体检测的目标或扫描窗口进行CSS特征提取；3）、提取HOG和CSS特征，输入训练好的SVM进行判断是否是人体，如是则进行SVM人体检测；4）、对检测到的人体图像进行CNN人体二次确认；5）、对人体图像内的关键部位上标上landmark关键点并连接起来，组成关于人体或人脸的一个整体描述进行形状回归；6）、所得到关于目标姿态的一系列landmark关键点，通过landmark关键点之间的相对位置进行MHCRF行为识别；本发明具有不变性、归一化的优点，特别适合于做图像中的人体检测。

技术领域

本发明属于人体行为分析方法技术领域，尤其涉及一种固定位人体行为分析方法。

背景技术

目前国际上固定位人体行为识别主要有四类问题难以解决：1、动作类内类间变化太大；2、多视角和遮挡问题；3、训练数据难以获取；4、算法实时性。为了解决以上难题，我们在当前国际上优秀的算法基础上开发出了一套基于HAR_plus算法上的固定位人体行为分析方法。

发明内容

本发明的目的在于克服现有技术存在的不足，而提供一种具有归一化、不变性特点的固定位人体行为分析方法。

本发明的目的是通过如下技术方案来完成的，包括如下步骤：

1)、将人体检测的目标或扫描窗口进行HOG特征提取；

2)、将人体检测的目标或扫描窗口进行CSS特征提取；

3)、遍历图像的每一个位置，提取HOG和CSS特征，输入训练好的SVM进行判断是否是人体，如是则进行SVM人体检测；

4)、对检测到的人体图像进行CNN人体二次确认；

5)、对人体图像内的关键部位上标上landmark关键点并连接起来，组成关于人体或人脸的一个整体描述进行形状回归；

6)、所得到关于目标姿态的一系列landmark关键点，通过landmark关键点之间的相对位置进行MHCRF行为识别。

作为优选，所述的HOG特征提取的提取过程为：

1)、将人体检测的目标或扫描窗口的图像看做一个x,y,z的三维图像并灰度化；

2)、采用Gamma校正法对输入图像进行颜色空间的归一化；

3)、计算图像每个像素的梯度、大小和方向；

4)、将图像划分成小cell；

5)、统计每个cell的梯度直方图，即可形成每个cell的descriptor；

6)、将每几个cell组成一个block，一个block内所有cell的特征descriptor串联起来便得到该block的HOG特征descriptor；

7)、将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image的HOG特征descriptor。

作为优选，所述的CSS特征提取的提取过程为：

1)、定义一个矩形块R₁，提取某个通道内该矩形块内数值之和

CSS特征为R₁与相邻的矩形块R₂的比值：

矩形块R₁和R₂大小相同位置不同，对它进行拓展：