[发明专利]一种人体动作相似度计算方法及装置

说明书

本发明公开了一种人体动作相似度计算方法及装置，其中方法，包括以下步骤：获取人体骨架深度数据、测试动作和模板动作；将获取的骨架深度数据转换成空间三维坐标数据；根据空间三维坐标数据，定义人体骨架线段信息；根据人体骨架线段信息，对待测试动作中的人体骨架关节点进行自适应调整；根据自适应调整得到的数据，计算自适应权重值，然后根据自适应权值计算待测试动作和模板动作之间的相似度。本发明公开的一种人体动作相似度计算方法是一种源数据精简、数据覆盖面广、准确度高的自适应调整人体骨架关节点的人体动作相似度计算方法。

技术领域

本发明涉及图像处理、人体姿态识别等领域，尤其涉及一种人体动作相似度计算方法及装置。

背景技术

人体行为识别是计算机视觉的热门研究方向之一，主要开展人体行为的分析与识别工作，该研究领域涉及诸多学科：信号处理与分析、模式识别、机器学习、神经生理学、心理学等，其研究成果广泛应用于人机交互、智能视频监控、虚拟现实、运动行为分析等。

人体行为原始数据的获取方式可归为两种：①基于可穿戴设备的方式，在不同的设备上安装不同的传感器，放在人体不同的部位获取数据。缺点：接触式、操作不便、成本较高；②基于视觉的方式，利用仪器把将图像信息数字化。缺点：精度低，易受光照等影响。

在以前的研究中，研究者主要对二维图像或视频进行处理。由于二维图像或视频易受光照和阴影影响，从而使目标识别结果不稳定。由于二维图像无法完整描述三维空间中的人体动作，因此，在人体行为识别的研究中，研究人员逐渐倾向于使用三维信息。

微软在2009年推出的Kinect体感设备，具有深度感知和人体关节点识别能力，可以有效避免光照等环境因素影响。该设备通过非接触式获取数据，精度高、占用内存小，且设备成本低，为人体行为识别研究提供了更好的数据来源。因此，近年来Kinect被广泛应用于人体行为识别领域。

人体行为是由一组动作构成，在判断待测试人体行为与模板行为之间的相似度，其前提是计算人体动作之间的相似度。目前，已提出多个利用Kinect数据进行人体动作识别的算法。Thanh引入图像处理算法并结合Kinect数据进行动作识别，但该方法只收集局部数据，数据分布有一定局限性。Girshick利用Kinect深度数据研究人体关节行为变化，直接对原始深度图像进行回归分析，但直接使用原始数据会出现各种问题。例如，成年人与小孩间的躯干比例差别较大，直接比较两者的数据，则计算得到的动作相似度误差较大。

因此，本领域的技术人员致力于开发一种源数据精简、数据覆盖面广、准确度高的自适应调整人体骨架关节点的人体动作相似度计算方法。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是针对现有对人体行为研究的数据分布具有局限性、动作相似度误差较大等问题，开发了一种源数据精简、数据覆盖面广、准确度高的自适应调整人体骨架关节点的人体动作相似度计算方法。

为实现上述目的，本发明提供了一种人体动作相似度计算方法，包括以下步骤：

获取人体骨架深度数据、测试动作和模板动作；

将获取的骨架深度数据转换成空间三维坐标数据；

根据空间三维坐标数据，定义人体骨架线段信息；

根据人体骨架线段信息，对待测试动作中的人体骨架关节点进行自适应调整；

根据自适应调整得到的数据，计算自适应权重值，然后根据自适应权值计算待测试动作和模板动作之间的相似度。

进一步地，获取人体骨架深度数据，具体包括：

建立拍摄空间，利用Kinect体感设备拍摄；

根据拍摄的人体骨架结果，对人体骨架关节点进行编号。