[发明专利]一种基于光流定位和滑动窗口检测的多人姿态识别方法

说明书

本发明公开了一种基于光流定位和滑动窗口检测的多人姿态识别方法，获取视频中图像光流向量，得到图像中运动物体的区域，利用基于身体部分的方法对运动物体区域进行人体姿态识别；对提取的运动区域进行滑动窗口检测，比对图像与身体部分外形模板的相似度；利用树形结构对人体建模；使用直方图相交操作来完成特征匹配识别工作；计算运动区域的对应关系，进行多人姿态识别、人数统计和人员跟踪。本发明利用大数据的治理体系，利用视频数据在问题发现、预测预警、监控度量等方面做出了贡献。本发明通过摄像头获取视频信息，自动识别视频中的人体目标，获得人员流量统计，人员追踪、人员区域分布等信息；在监控系统智能化管理中具有十分重要的意义。

技术领域

本发明属于动作识别技术领域，尤其涉及一种基于光流定位和滑动窗口检测的多人姿态识别方法。

背景技术

近年来，人体动作识别已经成为计算机视觉领域的研究热点，引起了众多学者的关注。随着大数据的兴趣，引用大数据的治理体系包括对大数据的采集、存储、管理、应用的全生命周期的管理，人们希望计算机能够自主的识别并且理解人类的日常动作，使计算机能够和人们更加自然的交流。目前动作识别主要应用于人机交互、医疗保健、智能安防、家居智能等领域。基于视频图像的运动人体目标识别与跟踪的重大意义不仅体现在科学研究中，同样在生活、工业和国防方面也有所体现，实用的产品也已由军用延伸到了民用行业，如超市、商场、车站、银行、道路交通、长途客车、市内公交车等安装的有监控系统的场所。在人体行为识别研究方面，按照视频描述方式的不同，现有的识别方法可以分为两类：基于整体视频描述符法和基于局部视频描述符法。在基于特征或区域的非模型跟踪算法研究方面，提出了基于统计混合颜色和模型的方法、综合利用多帧图像结构信息的过渡稳定丢失跟踪框架算法、基于图像信息的视觉特征和跟踪目标的形状轮廓等方法，该类方法，有效降低了算法的计算复杂度的同时，多目标跟踪效果良好。但是，此类方法主要的缺点是前期需要大量的预处理，例如标定身上的跟踪点、建立模型等，以及较高的设备要求、大量的时间和人力，不利于实时人体运动姿态的跟踪。在基于模型跟踪算法研究方面，提出了隐形马尔科夫模型、穿戴式传感器特征提取、时空特征提取等技术。该类算法其算法准确率较高和计算复杂度较低，但其有两个主要的缺点：(1)实时监控视频的准确性较低；(2)只利用了骨骼点信息，忽略了深度图和目标外观特征在某些条件下对提高识别准确性的影响。人体目标的识别与跟踪技术可以有效的对需要进行安全监控的特殊区域中的异常事件进行自动报警，例如海上作业平台远离陆地、作业环境复杂，人体目标和跟踪技术的应用可以有效地保障作业人员的安全和平台的安全作业。

综上所述，现有的人体行为识别方法存在前期需要大量的预处理，需要大量的时间和人力，不利于实时人体运动姿态的跟踪；实时监控视频的准确性较低；忽略了深度图和目标外观特征在某些条件下对提高识别准确性的影响。

发明内容

本发明的目的在于提供一种基于光流定位和滑动窗口检测的多人姿态识别方法，旨在解决现有的人体行为识别方法存在前期需要大量的预处理，需要大量的时间和人力，不利于实时人体运动姿态的跟踪；实时监控视频的准确性较低；忽略了深度图和目标外观特征在某些条件下对提高识别准确性的影响的问题。

本发明是这样实现的，一种基于光流定位和滑动窗口检测的多人姿态识别方法，所述基于光流定位和滑动窗口检测的多人姿态识别方法获取视频中图像光流向量，得到图像中运动物体的区域，利用基于身体部分的方法对运动物体区域进行人体姿态识别；以获取图像序列中光流向量为基础，利用数据和空间约束检测出图像序列之间的光流向量变化，利用鲁棒性对参数进行优化，进行迭代和矫正获得光流信息，对提取的运动区域进行滑动窗口检测，比对图像与身体部分外形模板的相似度；

利用树形结构对人体建模，将图像对人体各个部分的响应以信息传递的方式综合计算，实现人体在图像中的定位；通过回传进行人体部分的定位，使用滑动窗口的方法获取运动目标的动作时序，通过连接各个局部动作片段的特征描述整个动作序列；使用直方图相交操作来完成特征匹配识别工作；计算运动区域的对应关系，进行多人姿态识别、人数统计和人员跟踪。