[发明专利]一种基于运动方差图相位特征的热红外人体动作识别方法

说明书

本发明公开了一种基于运动方差图相位特征的热红外人体动作识别方法，采集待识别的红外人体动作序列图像，本发明将红外人体动作序列图像转化为运动方差图，采用其相位特征实现热红外人体动作识别。针对热红外图像质量差和人体动作复杂造成人体动作识别困难的问题，构建运动方差图实现动作时空信息压缩高效表达，提取运动方差图相位一致性特征获得具有区分性和鲁棒性好的动作特征，采用最近邻分类器简化分类器设计提高分类效率，实现了良好的识别精度和鲁棒性。

技术领域

本发明涉及数字图像处理与模式识别技术领域，尤其涉及一种基于运动方差图相位特征的热红外人体动作识别方法。

背景技术

基于数字图像的人体动作识别技术广泛应用于战场敌情侦察、安全监控、智能机器人等诸多领域。早期的人体动作识别技术是面向可见光图像开发的。可见光图像的优点是图像质量高、图像信息丰富，但缺点是易受光照、遮挡、色度和环境变化等因素影响。近年来，随着热红外成像设备技术水平的进步和价格的不断下降，运用热红外成像设备(特别是热红外成像仪)采集热红外图像开展人体动作识别技术的研究日益受到重视。热红外成像设备是通过探测环境中物体的热辐射进行成像的，因此能够在光照不良甚至无可见光照的情况下正常工作，因此特别适用于需要全天侯工作的人体动作识别应用系统。但是，在通过处理热红外成像设备采集的热红外图像信息实现人体动作识别时，不可避免地面临两方面的困难。一是热红外图像质量往往很差，反映为图像分辨率不高、图像边缘模糊、纹理信息少、色彩信息缺失等，因而可利用图像信息不足。二是人体为非刚体目标，自身动作形态多且运动模式复杂，还可能受到遮挡、环境中非人体目标干扰等因素影响，造成人体目标在热红外图像中的外观形态复杂，导致在进行人体动作识别时获取人体动作的本质性特征困难，制约了识别图像中人体动作的精度和鲁棒性。

目前，识别红外图像中人体动作的主流方法是统计分类法。该类方法通常包括动作特征提取和动作分类识别两个主要步骤。第一个步骤主要从红外图像或红外图像序列中获取有意义的特征描述符以表达不同动作之间或者同一动作的不同观测实例之间的具有区别性的本质特征。第二个步骤是采用分类器对所获得的动作实例标记动作类型。由于统计分类法通过“学习”的方式获得对人体动作的识别能力，因此具有较好的适应性，兼具有相对合理的计算开销。但是，目前统计分类法的总体精度和鲁棒性但离完全实用化仍有较大差距，需要开展进一步开展研究以改善性能。

因此，如何提高统计分类法的精度和鲁棒性成为了本领域技术人员急需解决的问题。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是：如何提高统计分类法的精度和鲁棒性。

为解决上述技术问题，本发明采用了如下的技术方案：

一种基于运动方差图相位特征的热红外人体动作识别方法，包括如下步骤：

(1)采集待识别的红外人体动作序列图像，所述红外人体动作序列图像包括一个完整的人体动作对应的N帧图像序列；

(2)获取所述红外人体动作序列图像中各帧的人体动作区域；

(3)基于所述人体动作区域生成运动方差图；

(4)提取运动方差图的相位一致性特征向量；

(5)采用最近邻分类器对运动方差图的相位一致性特征向量进行分类识别，得到人体动作的类别标签，实现对红外人体动作序列图像中的人体动作的识别。

优选地，步骤(2)包括如下步骤：

(201)按人体动作时序先后对各图像帧进行排序，生成各帧的差分运动历史图；

(202)对各帧的差分运动历史图，沿垂直方向计算差分运动历史图各列像素灰度之和，计算差分运动历史图各列像素灰度之和的平均值，获取列像素灰度之和大于列像素灰度之和的平均值的图像列作为高亮图像列；