[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有效

专利信息
申请号: 202010556339.5 申请日: 2020-06-17
公开(公告)号: CN111709368B 公开(公告)日: 2021-10-26
发明(设计)人: 沈三明;卢小银;吕盼稂;严德斌 申请(专利权)人: 合肥富煌君达高科信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06K9/46
代理公司: 合肥维可专利代理事务所(普通合伙) 34135 代理人: 吴明华
地址: 230088 安徽省合肥市*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 运动 历史 图像 人体 行为 识别 方法 系统
【说明书】:

发明公开了一种基于运动历史图像的人体行为识别方法及系统,包括: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;获取同一位置的像素点属性变化序列;对运动历史图MHI进行改进获得每个变化方式下的视频图像灰度图;将每个变化方式下的灰度图作为特征图像进行特征提取;输入预设的分类器模型进行动作行为识别,本发明采用改进的运动历史图MHI,并采用2DHaar小波变换提取MHI中的空域信息,采用MHI的统计直方图提取MHI中的时域信息,降低了运算复杂度,且该特征包含了更丰富的运动信息,实现了一个分类过程简单、速度快的识别算法。

技术领域

本发明涉及行为识别技术领域,具体涉及一种基于运动历史图像的人体行为识别方法及系统。

背景技术

行为识别在目前的计算机视觉应用中,越来越重要,特别是行为分类,为了理解场景中发生了什么事情,我们必须进行行为识别,行为识别同样也是人机交互的基础,从视频中识别出人类的行为一直是视频监控、视频分类以及社会场景中的难题,由于人类的行为具有很大的可变性,所以基于模板的识别方法具有很大的局限性,由于人体的结构特性,我们需要多维空间去描述,且由于衣服的非刚性,导致行为识别问题进一步复杂化,因此,我们需要非线性模型来建模和优化,而非线性是计算复杂度特别高的。

而在行为识别技术中,特征的选择和表达十分重要,包含信息丰富且具有的辨识力强的特征,能够加强识别效果,是整个过程中的不可轻视的重要部分,一方面,特征提取过程需要耗费大量的存储空间和计算资源来提取运动特征,另一方面,人体行为本身就是人体姿势沿着时间的变化动态产生的,若是忽略了时间这一重要信息,只是单纯的考虑姿势,会在很多动作上造成错误的识别,因为很多类别的动作在变化过程中,抛弃时间来看的话,形态上有很多相似性,甚至单独查看某几帧的内容是一样的,现有技术中运动历史图MHI虽然通过像素点灰度值的大小体现了动作的先后顺序,但是只能在单向运动动作上充分体现动作先后顺序,对于往返运动中,不同过程顺序中出现的十分接近的动作,比如坐下和起立这样的成对动作,运动历史图MHI并不能清楚表达时间先后顺序这一信息,也就是说现有技术中的运动历史图MHI,并不能代表实际的运动,通过现有技术中的运动历史图MHI提取的特征向量准确性不高。

发明内容

针对上述现有技术存在的问题,本发明提供了一种基于运动历史图像的人体行为识别方法及系统,采用从视频中得到了压缩的运动特征,基于改进的运动历史图MHI提取空域特征和时域特征,并输入SVM分类器模型进行行为识别,使得提取的特征数据包含了更丰富的运动信息,且降低了运算复杂度,结合SVM分类器实现了一个分类过程简单、速度快的识别算法,具体的:

本发明提供了一种基于运动历史图像的人体行为识别方法,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;

(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,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。

作为上述方案的进一步优化,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。

作为上述方案的进一步优化,所述步骤(11)中包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥富煌君达高科信息技术有限公司,未经合肥富煌君达高科信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010556339.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top