[发明专利]一种人体行为相似度计算方法及装置

说明书

本发明公开了一种人体行为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、待测试行为和模板行为；将获取的人体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，对待测试行为和模板行为进行动态时间规整，得到最优路径；利用曲线拟合对最优路径进行修正；根据修正的最优路径，计算待测试行为和模板行为间的相似度。本发明公开的一种人体行为相似度计算方法处理数据覆盖面广、准确度高的结合曲线拟合和动态时间规整。

技术领域

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

背景技术

人体行为识别，是从未知信息中自动分析并识别行为，是计算机视觉的热门研究方向之一，该研究领域囊括了诸多学科：信号处理、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、眼球跟踪等。

人体行为识别的研究目标是使计算机视觉逼近甚至达到人眼的识别功能。由于人眼可以在极其复杂的场景中获得有效信息，即使发生一个简易的动作，人眼也能生成多种识别可能，而利用计算机来自动完成人体行为的识别是一项艰巨任务。

人体行为原始数据的传统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、成本高昂；②基于视觉的方式，利用仪器获得数字图像并处理。缺点：精度低，易受光照等影响。

以往的研究者主要对二维图像和视频序列等采用图像处理和分析算法。由于二维图像和视频易受光照和阴影等影响，导致目标识别不稳定，从而给识别准确率带来较大挑战。由于从二维图像中较难提取其三维信息，因此，在人体行为识别的研究中，使用图像的深度数据现已成为热点。

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的影响。该设备通过非接触式获取的数据精度高、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。

近年来，Kinect被广泛应用于人体行为识别领域。出现了一系列结合Kinect数据进行人体行为识别的算法。韩旭利用Kinect关节点深度数据，结合BP神经网络和动态时间规整(DTW)算法对行为进行分类，其中DTW算法的运用不能解决时间差过大的问题。薛智宏利用Kinect进行原地辅助训练，但无法解决人体位置变换的问题，且DTW规划的路径不平滑。

因此，本领域的技术人员致力于开发一种处理数据覆盖面广、准确度高的结合曲线拟合和动态时间规整的人体行为相似度计算方法。

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技术中，对人体行为识别时精度低、容易受光照和阴影的影响以及覆盖面不广等问题，开发一种处理数据覆盖面广、准确度高的结合曲线拟合和动态时间规整的人体行为相似度计算方法。

为实现上述目的，本发明公开一实施例提供了一种人体行为相似度计算方法，包括以下步骤：

获取人体骨架深度数据、待测试行为和模板行为；

将获取的人体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，对待测试行为和模板行为进行动态时间规整，得到最优路径；

利用曲线拟合对最优路径进行修正；

根据修正的最优路径，计算待测试行为和模板行为间的相似度。

进一步地，获取人体骨架深度数据具体为，

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。