[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

说明书

技术领域

本发明涉及人体动作识别技术领域，尤其涉及一种人体动作识别方法及设备、计算机可读存储介质。

背景技术

人体动作识别是图像处理、计算机视觉、模式识别、机器学习、人工智能等多个学科的交叉研究课题，在视频监控、视频检索、人机交互、虚拟现实、医疗看护等领域具有很强的实用性。

目前，人体动作识别方法主要包括:(1)基于时空的时空轨迹、时空兴趣点、时空剪影等方法，然而该类方法都是基于传统的彩色图像，而且该类方法成本高，二维信息不足，动作识别效果不佳；(2)基于深度数据的动作识别方法，该类方法虽然计算量小，但该类方法需要在一个改进的球面坐标系中计算3D骨骼节点的位置，然而现有技术对骨骼节点的估计并不是很准确，这就导致该类方法的动作识别效果不佳。

发明内容

本发明实施例提供一种人体动作识别方法及设备、计算机可读存储介质，可以提高人体动作的识别率。

第一方面，本发明实施例提供了一种人体动作识别方法，其包括：

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。

第二方面，本发明实施例还提供了一种人体动作识别设备，其包括：

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。

第三方面，本发明实施例又提供了一种人体动作识别设备，其包括处理器、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调用所述程序代码，执行本发明提供的任一项所述的人体动作识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中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发明提供的任一项所述的人体动作识别方法。

本发明实施例通过将深度视频图像中的多帧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，再将每类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；通过分类算法建立特征描述符与运动类别之间的对应关系以识别人体动作。该人体动作识别方法可以提高人体动作的识别率，同时，整个人体动作识别过程所需的计算量较小，可提高人体动作识别过程中的运算速率，从而提高人体动作识别的速率。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种人体动作识别方法的示意流程图；

图2是图1所示的人体动作识别方法中步骤S103的示意流程图；

图3是图1所示的人体动作识别方法中步骤S104的示意流程图；

图4为本发明实施例中前视图的时间深度动态模型的示意图；

图5是图1所示的人体动作识别方法中步骤S105的示意流程图；

图6为本发明实施例中时间深度动态模型在每层空间金字塔中的划分结构示意图；

图7是图1所示的人体动作识别方法中步骤S106的示意流程图；