[发明专利]一种基于运动历史图像的人体行为识别方法及系统

权利要求书

1.一种基于运动历史图像的人体行为识别方法，其特征在于：包括：

(11)基于人体动作视频图像，提取视频图像帧，通过帧间差分法将每个像素点的属性分为前景像素点和背景像素点；

(12)基于按时间顺序排序的所有图像帧，获取同一位置(x,y)的像素点属性变化序列X_(x,y)(n)，n∈(1,2,...,N)，N+1为总帧数；

(13)基于像素点属性变化序列X_(x,y)(n)，获取该像素点属性变化过程出现的不同变化方式及其对应出现次数，所述不同的变化方式的判断方式是根据序列中两个相邻的背景像素点之间的前景像素点的个数进行划分；

(14)基于同一变化方式下每个像素点出现该变化方式的次数作为灰度值，获得每个变化方式下的视频图像灰度图；

(15)将每个变化方式下的视频图像灰度图作为特征图像进行特征提取；

(16)基于提取的特征，输入预设的分类器模型进行动作行为识别。

2.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(11)中的人体动作视频图像包括行走、慢跑、挥手、鼓掌的视频图像。

3.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(11)中包括：

基于图像帧，计算相邻帧的同一位置像素点的灰度值差值，当差值大于第一预设阈值，则后一帧的该像素点的属性为前景像素点并将灰度值记为1，否则，后一帧的该像素点的属性为背景像素点并将灰度值记为0。

4.根据权利要求3所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(12)中包括：所述同一位置(x,y)的像素点属性变化序列X_(x,y)(n)，是由0和1组成的离散序列。

5.根据权利要求4所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述不同的变化方式包括P₁(010)，P₂(0110)，P₃(01110)，...，P_m(011...110)，其中m值表示两个0之间1的个数。

6.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(15)中提取的特征包括空域特征和时域特征，对每个变化方式的灰度图采用2DHaar小波变换获取空域特征，采用统计直方图获取时域特征。

7.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(16)中，预设的分类器模型采用训练完成的SVM模型。

8.一种基于运动历史图像的人体行为识别系统，其特征在于：包括：

像素点属性标记模块，用于基于人体动作视频图像，提取视频图像帧，通过帧间差分法将每个像素点的属性分为前景像素点和背景像素点；

像素点属性变化序列生成模块，用于基于按时间顺序排序的所有图像帧，获取同一位置(x,y)的像素点属性变化序列X_(x,y)(n)，n∈(1,2,...,N)，N+1为总帧数；

像素点变化方式统计模块，用于基于像素点属性变化序列X_(x,y)(n)，获取该像素点属性变化过程出现的不同变化方式及其对应出现次数，所述不同的变化方式的判断方式是根据序列中两个相邻的背景像素点之间的前景像素点的个数进行划分；

变化方式灰度图获取模块，用于基于同一变化方式下每个像素点出现该变化方式的次数作为灰度值，获得每个变化方式下的视频图像灰度图；

特征提取模块，用于将每个变化方式下的视频图像灰度图作为特征图像进行特征提取；

行为识别模块，用于基于提取的特征，输入预设的分类器模型进行动作行为识别。

9.根据权利要求8所述的一种基于运动历史图像的人体行为识别系统，其特征在于：所述特征提取模块，包括：

空域特征提取单元，用于对每个变化方式的灰度图采用2DHaar小波变换获取空域特征；

时域特征提取单元，用于对每个变化方式的灰度图采用统计直方图获取时域特征。