[发明专利]一种基于肌肉信号的人体动作识别方法

权利要求书

1.一种基于肌肉信号的人体动作识别方法，其特征在于：

步骤一，基于深度信号流获得肌肉信号对应的深度图像数据，得到的深度图像数据中的每个像素点的信息包含三维空间的深度信息，再处理得到的数据中的白点，进而辨别出在人体中每个肌肉接头点在三维空间中的动作信息；

步骤二，对肌肉进行归一化和降维处理，将每个肌肉接头的动作坐标减去连接肌肉的动作坐标 ，即：分别表示的是第一个肌肉接头到第N 个肌肉接头的动作信息；

步骤三，基于肌肉接头的动作信息优化人体肌肉接头信号，过滤对人体行为识别不产生影响或影响较小的肌肉接头信号或冗余肌肉接头信号；

步骤四，使用将特征描述子聚类为 K 个姿势，将量化后的姿势用离散Markov建立模型并分类；

步骤五，使用肌肉接头点的动作信息来表示词袋中的视觉单词，表示出的每一个单词都表示成一个有比较强判别性的人体动作，再根据这些动作实例表示出的单词在词典中出现的频率得到一个关于视觉的直方图，最后作为分类器的输入，识别动作；

步骤六，构建人体行为条件随机场模型，训练样本，得到人体行为识别模型并基于该模型对人体的后续动作进行预测。

2.如权利要求1所述的一种基于肌肉信号的人体动作识别方法，其特征在于：所述步骤二中对肌肉进行归一化和降维处理，将每个肌肉接头的动作坐标减去连接肌肉的动作坐标 ，即：分别表示的是第一个肌肉接头到第N 个肌肉接头的动作信息，包括：

选择一个人体3D关节坐标为标准模型；

b)保持各样本肢体段矢量方向不变，将各矢量缩放至标准模型长度；

在第 t 帧，肢体i的动作定义为：,其中i{1 ,...,N}，N 表示的是关节点的数目,直接将随着时间变化的关节动作信息作为行为的描述特征。

3.如权利要求1所述的一种基于肌肉信号的人体动作识别方法，其特征在于：所述步骤三，基于肌肉接头的动作信息优化人体肌肉接头信号，过滤对人体行为识别不产生影响或影响较小的肌肉接头信号或冗余肌肉接头信号还包括：

基于羊群算法对肌肉接头信号进行筛选过滤优化处理，

步骤3.1用佳点集初始化含有 N 只羊的群体，得到分布均匀的初始群体

设定最大迭代次数，其中，定义羊群在D维空间搜索食物的最小识别空间为 [ 0,0…0]，最大识别空间为 [1 ,1…1]；

步骤3.2、评估初始种群的适应度值，将种群的代数设为 0；

步骤3.3、判断种群的代数是否大于最大的迭代次数，如果大于，则停止计算，输出相应的最大适应度值(识别精度)，否则转向第 4 步；

步骤3.4、判断种群的迭代次数能否整除G（G 表示的是一个羊群保持关系的代数，实验中按照实验经验取为 10），如果整除，则转向第 3.5 步，否则转向第 3.6步；

步骤3.5、根据得到的适应度值排序，并建立一个等级制度，得到一个有序子集

将一个羊群划分成若干个群体并确定小羊与羊妈妈的关系；

步骤3.6、根据公式 4.1 得到公羊的动作更新公式，根据 OS 方法，用公式 4.6 替代公式 4.1 中的动作信息，计算适应度值，小羊和母羊的动作信息不变

若得到的适应度值比未替代之前的适应度值大，则替代式 4.1，否则不替代

其中，b 的值取为 0.25

根据式 4.3 和 4.5 分别得到母羊和小羊的动作更新公式，跟公羊的动作更新处理一致；其中，b 的值分别取为 0.2 和 0.1(按实验的经验取值)

转向第 3.7 步；

步骤3.7、更新羊群中个体当前最优动作和羊群的全局个体最优动作，迭代次数加1，并转向第 3 步；

步骤3.8、羊群中个体当前最优动作和羊群的全局个体最优动作即为影响该动作识别最大的肌肉接头信号和整体肌肉接头信号群。