[发明专利]一种杂乱背景下人体动作特征的检测方法

权利要求书

1.一种杂乱背景下人体动作特征的检测方法，其特征在于，具体步骤如下：

(1)在空域上采用Kadir提出的一种基于信息熵的显著点检测方法检测空域兴趣点；

(2)对检测到的空域兴趣点进行背景兴趣点抑制；

(3)在时域上使用1DGabor滤波器滤波，得到候选时空特征点；

(4)对时空特征点响应函数进行非极大值抑制处理后，响应函数局部极大值处的点为最终特征点，

空域兴趣点检测后，将所有非零角点响应强度的点作为第一个特征点集C_σ，其中σ为空间尺度；接着，对C_σ进行背景兴趣点抑制；背景兴趣点抑制方法包括如下步骤：

1)对每一个兴趣点，选取一个邻域抑制掩码SSM来估计Mask中所有像素点对中心点的影响，当前兴趣点位于SSM中心；

2)引入梯度权重因子△_Θ，σ(X，X_u，v)，其定义为：

△_Θ,σ(X,X_u,v)＝|cos(Θ_σ(X)-Θ_σ(X_u,v)) 公式1

其中，Θ_σ(X)和Θ_σ(X_u，v)分别为点X≡(x，y)和点X_u，v≡(x-u，y-v)的梯度，当Θ_σ(X)和Θ_σ(X_u，v)同向时，权重因子取得最大值△_Θ，σ＝1，权重因子取值随着角度差递减，当两个梯度方向正交时，权重因子取得最小值△_Θ，σ＝0；

3)对于每一个兴趣点C_σ(X)，定义一个抑制系数t_σ(X)，t_σ(X)的值为像素邻域梯度值加权和，其定义为：

t_σ(X)＝∫∫_ΩC_σ(X_u,v)×△_Θ,σ(X,X_u,v)dudv 公式2

4)再引入一个兴趣点强度算子Cα，σ(X)，定义为：

C_α,σ(X)＝H(C_σ(X)-α×t_σ(X)) 公式3

其中，α取值越大，得到的特征点越少，当z为负数时，H(z)＝0，否则H(z)＝z；

5)对Cα，σ(X)进行非极大值抑制后得到最终的空间兴趣点Isp。

2.根据权利要求1所述的杂乱背景下人体动作特征的检测方法，其特征在于，所述公式3中的α取值范围在[1，1.4]区间。