[发明专利]人体动作行为的预测方法以及计算机设备

说明书

本发明提供一种人体动作行为的预测方法以及计算机设备，该预测方法包括：对人体动作周期图像信息进行分帧采样得到帧数减少后的图像序列；根据各帧的排序依次针对所述图像序列的多个帧的图像进行如下操作:针对每帧图像建立骨架模型，并确定所述骨架模型的多个特征角度的实际值；根据预先训练学习得到的多个预定人体动作行为类别对应的多个特征角度的基准值，将所述骨架模型的多个特征角度的实际值与预定人体动作行为类别对应的多个特征角度的基准值进行比对；根据比对结果确定每帧图像所属的人体动作行为类别。本发明能提高人体动作行为预测的识别精度。

技术领域

本发明涉及计算机视觉技术和模式识别领域，尤其涉及一种人体动作行为的预测方法以及计算机设备。

背景技术

人工智能的快速发展使计算机视觉技术在视频监控、运动检索、人机交互、智能家居以及医疗保健等众多领域得到了广泛应用。人体行为识别技术已经取得了一定的成果，能够对简单的人类行为，如行走，跑步，弯腰，挥手等动作行为进行准确的识别和分类。在动作行为检测过程中，往往希望能够快速的获得自己所需，减少不必要的时间浪费。因此，视频序列中的动作行为关键帧检索就有着重要的意义。人体动作行为的预测就是其中一个重要的基础。

人体动作行为预测就是对尚未完成整体行为的动作尽可能地推测出该动作的所属类别，较传统的人体动作识别缺少了完整动作的时序结构。Ryoo等通过改进的两种词袋模型，提取动作时序结构相关的中层特征，率先提出动作预测问题。Kong等人提出多时间尺度的概念，将视频进行固定数量的分割，对视频段逐个提取行为的动态特征，通过约束动作的时序关系完成对非完整动作的判别能力。Xu等人利用信息检索中的自动补全思想提出动作自动补全方法，将每个分割的视频段等价于一个句子的单个字符，不完整视频就构成了该语句的前缀，通过相似度进行视频中动作的预测。已知的人体动作行为预测算法识别精度较低。

发明内容

有鉴于此，本发明提供一种人体动作行为的预测方法以及计算机设备，以提高人体动作行为预测的识别精度。

一方面，本发明提供一种人体动作行为的预测方法，包括：对人体动作周期图像信息进行分帧采样得到帧数减少后的图像序列；根据各帧的排序依次针对所述图像序列的多个帧的图像进行如下操作:针对每帧图像建立骨架模型，并确定所述骨架模型的多个特征角度的实际值；根据预先训练学习得到的多个预定人体动作行为类别对应的多个特征角度的基准值，将所述骨架模型的多个特征角度的实际值与预定人体动作行为类别对应的多个特征角度的基准值进行比对；根据比对结果确定每帧图像所属的人体动作行为类别。

进一步地，上述针对每帧图像建立骨架模型，并确定所述骨架模型的多个特征角度的实际值，包括：针对每帧图像，建立骨架模型，所述骨架模型包括上肢部分，下肢部分以及中间部分；所述上肢部分包括：左手、左肘、左肩、右手、右肘、以及右肩；所述下肢部分包括：左脚、左膝、右脚、以及右膝；所述中间部分包括胯部；

分别确定左手、左肘及左肩形成的第1个特征角度的实际值，左肘、左肩及胯部形成的第2个特征角度的实际值，右手、右肘及右肩形成的第3个特征角度的实际值，右肘、右肩及胯部形成的第4个特征角度的实际值，左脚、左膝及胯部形成的第5个特征角度的实际值，右脚、右膝及胯部形成的第6个特征角度的实际值，左膝、胯部及右膝形成的第7个特征角度的实际值；其中，所述第1个至第4个特征角度来源于所述上肢部分，所述第5个至第6个特征角度来源于所述下肢部分，第7个特征角度来源于所述中间部分。

进一步地，上述根据预先训练学习得到的多个预定人体动作行为类别对应的多个特征角度的基准值，将所述骨架模型的多个特征角度的实际值与预定人体动作行为类别对应的多个特征角度的基准值进行比对，包括：依次判断第n个特征角度的实际值是否位于预定人体动作行为类别对应的第n个特征角度的基准值的预设偏差范围内，n为1-7之间的整数；对于每帧图像，统计位于特定人体动作行为的第1个至第7个特征角度的基准值的预设偏差范围内的各特征角度的数量；所述数量为所述比对结果；所述特定人体动作行为为预定人体动作行为类别中的任意一种。