[发明专利]一种基于多项式拟合的模特走秀动作评价方法

说明书

本发明公开了一种基于多项式拟合的模特走秀动作评价方法，包括以下步骤：模特图像采集，通过摄像机对模特进行人体关节点进行检测；其中，所述人体面部关节点是相机正对人体面部时，人体关节在二维平面上的坐标点；对检测的人体关节点进行归一化处理后，再进行多项式拟合，得到多项式拟合系数；将多项式拟合系数作为特征进行PCA数据降维；利用降维后的数据训练SVM分类器，而后利用训练好的SVM分类器对模特走秀动作进行评价。本发明通过摄像机采集模特走秀视频数据，对该数据利用多项式拟合后进行分析，可训练一个评价动作的模型，可实现自动准确的对模特的走秀动作进行评价。

技术领域

本发明涉及一种基于多项式拟合的模特走秀动作评价方法。

背景技术

目前,近几年随着计算运算能力的提升，计算机视觉领域也取得的快速的发展。其中，人体动作识别受到计算机视觉领域的极大关注，其对动画、人机交互、运动分析和监控等都有重要的现实意义。但是人体运动的多变性和高复杂性，使得动作识别具有很高的挑战性。人体动作识别是计算机视觉研究最重要的领域之一，它是指基于刚体运动、关节角度和身体关键部位的人体运动姿态的预测和估计。

动作识别的方法主要有基于生物电学、生物力学、轮廓和图像等几种方法。生物力学信息包括关节角度、脚底压力等信息；生物电学信息一般指表面肌电信号(sEMG)，是通过传感器获取人体肌肉表面的神经肌肉系统活动时的生物电信号，通过分析生物电信号(sEMG)来实现动作识别。但是这两种方法所需设备昂贵，且使用不便。轮廓和图像都是通过摄像机来获取人体运动的信息，通过分析视频图像中每一帧的人体信息来进行动作识别。如基于轮廓的方法，是计算步态能量图来实现动作识别，但只能实现识别简单的动作。基于图像主要是从图像中获取人体运动数据来进行动作识别，该方法是现阶段科研人员研究动作识别的主要方法，需要从图像中提取我们所需要的人体动作信息，而且数据处理相对繁琐。

发明内容

本发明目的是针对现有技术存在的缺陷提供一种基于多项式拟合的模特走秀动作评价方法。

本发明为实现上述目的，采用如下技术方案：一种基于多项式拟合的模特走秀动作评价方法，包括以下步骤：

1)、模特图像采集，通过摄像机对模特进行人体关节点进行检测；其中，所述人体面部关节点是相机正对人体面部时，人体关节在二维平面上的坐标点；

2)、对检测的人体关节点进行归一化处理后，再进行多项式拟合，得到多项式拟合系数；

3)、将多项式拟合系数作为特征进行PCA数据降维；

4)、利用降维后的数据训练SVM分类器，而后利用训练好的SVM分类器对模特走秀动作进行评价。

进一步的，利用深度学习中的基于局部亲和域的方法来进行人体关节点检测。

进一步的，所述的人体关节点检测为18个关节点。

进一步的，步骤2)中的所述归一化处理为以人体两胯骨的中点为坐标原点，将所有关节点按比例缩放到预定范围内。

进一步的，步骤2)中的多项式拟合包括：BB部分、UB部分和LB部分，三部分分别进行多项式拟合。

进一步的，所述的BB部分、UB部分和LB部分的多项式拟合方法具体如下：

1)、BB部分为3个坐标点：鼻子、颈部和坐标原点，进行二阶多项式拟合： BB_t＝(α₀+α₂i+α₃i²)_t，α₀、α₁和α₂为BB部分多项式拟合的各阶系数；