[发明专利]一种人体动作识别方法及设备、计算机可读存储介质

权利要求书

1.一种人体动作识别方法，其特征在于，包括：

获取深度视频图像，其中，所述深度视频图像包括多帧深度图像；

将多帧所述深度图像分别向空间坐标系投影以获得多类深度子图像组；

将每类所述深度子图像组中的多帧深度子图像按照预设划分规则划分成多个子动作；

根据预设帧间差分法计算每个所述子动作对应的时间深度动态模型；

通过空间金字塔方向梯度直方图对所述时间深度动态模型进行编码以生成特征描述符；

通过分类算法建立所述特征描述符与运动类别之间的对应关系以识别人体动作。

2.根据权利要求1所述的人体动作识别方法，其特征在于，所述将每类所述深度子图像组中的多帧深度子图像按照预设划分规则划分成多个子动作，包括：

将每类所述深度子图像组中的多帧深度子图像按照帧索引平均划分成N个子动作，其中，N为正整数；以及

将每类所述深度子图像组中的多帧深度子图像划分为第N+1个子动作。

3.根据权利要求1所述的人体动作识别方法，其特征在于，所述根据预设帧间差分法计算每个所述子动作对应的时间深度动态模型，包括：

计算每个所述子动作中相邻两帧所述深度子图像中相应位置处像素差值的绝对值，并对所述绝对值进行累加以获得每个所述子动作对应的准时间深度动态模型；

提取所述准时间深度动态模型中的有效区域作为所述时间深度动态模型。

4.根据权利要求1所述的人体动作识别方法，其特征在于，所述通过空间金字塔方向梯度直方图对所述时间深度动态模型进行编码以生成特征描述符，包括：

计算所述时间深度动态模型中每个像素点的梯度幅值和梯度方向；

将所述时间深度动态模型分别放在空间金字塔的多层中的每一层，并将每层中的所述时间深度动态模型划分成多个网格，其中，不同层中所述时间深度动态模型划分的网格尺寸不同；

根据所述梯度幅值和梯度方向对每个所述网格进行方向梯度直方图计算以获得每个所述网格对应的网格特征向量；

根据所有所述时间深度动态模型在每层中的网格特征向量生成特征描述符。

5.根据权利要求1所述的人体动作识别方法，其特征在于，所述通过分类算法建立所述特征描述符与运动类别之间的对应关系以识别人体动作，包括：

对所述特征描述符进行降维以生成特征向量；

通过分类算法建立所述特征向量与运动类别之间的对应关系以识别人体动作。

6.一种人体动作识别设备，其特征在于，包括：

获取单元，用于获取深度视频图像，其中，所述深度视频图像包括多帧深度图像；

投影获取单元，用于将多帧所述深度图像分别向空间坐标系投影以获得多类深度子图像组；

划分单元，用于将每类所述深度子图像组中的多帧深度子图像按照预设划分规则分成多个子动作；

模型计算单元，用于根据预设帧间差分法计算每个所述子动作对应的时间深度动态模型；

生成单元，用于通过空间金字塔方向梯度直方图对所述时间深度动态模型进行编码以生成特征描述符；

识别单元，用于通过分类算法建立所述特征描述符与运动类别之间的对应关系以识别人体动作。

7.根据权利要求6所述的人体动作识别设备，其特征在于，所述划分单元具体用于将每类所述深度子图像组中的多帧深度子图像按照帧索引平均划分成N个子动作，其中，N为正整数；将每类所述深度子图像组中的多帧深度子图像划分为第N+1个子动作。

8.根据权利要求6所述的人体动作识别设备，其特征在于，所述模型计算单元包括：

计算单元，用于计算每个所述子动作中相邻两帧所述深度子图像中相应位置处像素差值的绝对值，并对所述绝对值进行累加以获得每个所述子动作对应的准时间深度动态模型；

提取单元，用于提取所述准时间深度动态模型中的有效区域作为所述时间深度动态模型。

9.一种人体动作识别设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储程序代码，所述处理器被配置用于运行所述程序代码，执行如权利要求1-5任一项所述的人体动作识别方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的人体动作识别方法。