[发明专利]一种基于运动历史图像和集成学习器的视频动作识别方法

权利要求书

1.一种基于运动历史图像和集成学习器的视频动作识别方法，其特征在于步骤如下：

步骤1：由公开的KTH视频数据集中抽取m个视频样本，并剔除其中的无效视频；其中，m的取值范围为(100,599)；所述的无效视频为不能播放的损坏视频；

步骤2：对于步骤1得到的数据集中的每个视频样本，采用运动历史图像方法每隔n帧提取一次运动历史图像，并将提取的图像相加，得到该视频样本的多重运动历史图像；其中，n的取值范围为[5,20]；

步骤3：提取每个视频样本的多重运动历史图像的Hu矩和Zernike矩特征，作为该视频的运动信息特征，并用数字0到5对每个视频中的6种不同动作进行分类标记，所有视频的运动运动信息特征及其标记信息构成一个新的数据集，并按8:2的比例划分为训练数据集和测试数据集；

步骤4：使用PyCharm程序设计软件，调用xgboost集成学习器数据包，构建XGBoost多分类器，其具体参数为：基分类器类型booster设置为gbtree，决策树的最大深度max_depth设置为12，决策树的数量n_estimatores设置为200，设置学习目标函数objective为multi:softmax，设置学习率learning_rate为0.5，设置分类数量num_class为6；

步骤5：将步骤3得到的训练数据集输入步骤4设置好的XGBoost集成学习器进行训练，训练好的学习器即为最终的分类模型；

步骤6：将待处理视频输入训练好的模型，得到动作分类结果。