[发明专利]一种基于视频处理和决策树设定阈值的人体姿态识别方法

说明书

一种基于视频处理和决策树设定阈值的人体姿态识别方法，属于人体姿态识别技术，目的是为了解决现有的基于视频处理的人体姿态识别算法在区分不同姿态时会出现很大误差，识别效果较差的问题。本发明所述的方法为：判断工作模式是否为人姿态数据库建立，当判断结果为是时，执行基于决策树的人体姿态特征阈值区间数据库建立步骤；否则，执行基于人体姿态特征阈值区间匹配的姿态识别步骤，通过决策树分类器确定不同人体各个姿态的阈值区间，利用多个人体姿态特征对同一姿态进行判定，克服了传统姿态识别中阈值设置固定的缺点，提高了姿态识别的准确率。

技术领域

本发明属于人体姿态识别技术。

背景技术

人体姿态识别在计算机视觉领域中是一个有着很大发展潜力的研究方向，也是模式识别和人工智能领域中很重要的一个研究方向，其在虚拟现实、人机交互、安防监控、医疗辅助、智能家居、体育训练等领域有着广泛应用。

人体姿态识别根据原始数据的方式主要分为两类：非视觉传感器采集数据方式和视觉传感器采集数据方式。基于非视觉的方式通过可穿戴式传感器或者布设在人体活动区域内的传感器采集其运动信息数据，如人体运动的加速度、角速度等信息，虽然该方案采集到的数据进行简单的筛选和处理就可以用于后期的姿态识别，但是这种方案需要人保证设备穿戴在固定的位置或对活动区域内的环境进行改造，人一般都会对可穿戴的设备有着抵触心理且容易遗忘，用户体验较差，而改造活动环境成本较高。基于视觉的方式通过在人体活动区域安放摄像头，利用摄像头采集人体的运动图像序列，结合图像处理算法实现对人体图像的标记，获得多种人体姿态特征数据，如人体高宽比、人体中心变化率等，该方案获取的特征数据虽然在筛选和分类较为复杂，但该方案系统组成简单，成本低廉。

目前基于视频处理的人体姿态识别算法中，多是将获得的人体姿态特征数据用于姿态识别，各个姿态的识别利用固定单一的姿态特征阈值，而且在设定姿态特征阈值时主要通过经验或者取数据平均值等方法，不仅在区分不同姿态时会出现很大误差，还不适用于身型不同的目标，识别的效果较差。

发明内容

本发明的目的是为了解决现有的基于视频处理的人体姿态识别算法在区分不同姿态时会出现很大误差，识别效果较差的问题，提供一种基于视频处理和决策树设定阈值的人体姿态识别方法。

本发明所述的一种基于视频处理和决策树设定阈值的人体姿态识别方法为：判断工作模式是否为人姿态数据库建立，当判断结果为是时，执行基于决策树的人体姿态特征阈值区间数据库建立步骤；否则，执行基于人体姿态特征阈值区间匹配的姿态识别步骤；

所述基于决策树的人体姿态特征阈值区间数据库建立步骤包括：

第一人体视频采集步骤：首先采集目标活动区域的背景视频，然后采集用户各个姿态的多帧视频图像，该视频图像为人体彩色图像；

第一图像预处理步骤：对获取到的多帧人体彩色图像进行预处理，然后将人体图像从所述彩色图像中分离；

第一人体目标标记步骤：利用人体外接最小水平矩形框和其中心点与左下角的连线分别对多帧人体图像中的人体目标进行标记；

第一人体姿态特征数据计算步骤：计算多帧图像人体外接最小水平矩形框内部像素点的特征数据，以此作为人体姿态特征数据；

人体姿态特征阈值设定步骤：通过决策树对获得的多个人体姿态特征数据进行分析，获得各个姿态的人体姿态特征阈值区间，然后执行数据库更新判断步骤；

数据库更新判断步骤：判断所述人体姿态特征阈值数据是否满足人体姿态数据库更新条件，如果是，执行数据库更新步骤；否则，返回第一人体视频采集步骤采集下一用户的视频；