[发明专利]基于骨骼关节点数据的人体行为识别方法

权利要求书

1.基于骨骼关节点数据的人体行为识别方法，其特征在于，包括以下步骤：

步骤1，获取单个行为的骨骼关节点数据序列；

步骤2，对骨骼关节点数据序列中的每一帧，计算运动变化量和运动量；

步骤3，将运动量归一化到[0,1]区间，构建动作的人体行为运动量模型；

步骤4，根据人体行为的运动量模型来对时间进行自适应划分；

步骤5，对自适应划分时间段内的数据，计算骨骼关节点特征；

步骤6，使用特征编码方法，对各时间段内的特征进行特征编码，然后对全部时间段的特征进行拼接，得到该动作的特征向量；

步骤7，使用分类算法对各动作特征向量进行训练，最终实现人体行为识别；

所述步骤5，包括：

对骨骼关节点数据序列中的每一帧，提取运动轨迹特征、运动偏移特征和静态姿势特征，并将这三种特征进行拼接作为骨骼关节点特征；

所述运动轨迹特征，包括：

计算当前帧与前一帧对应骨骼关节点的三维坐标变化量作为局部轨迹变化量；

计算当前帧与初始帧对应骨骼关节点的三维坐标变化量作为全局轨迹变化量；

将局部轨迹变化量和全局轨迹变化量拼接作为运动轨迹特征；

将所有所选骨骼关节点的运动轨迹特征拼接，构成该帧的运动轨迹特征；

所述运动偏移特征，包括：

计算当前帧与前一帧对应骨骼向量的偏转角度作为局部偏移量；

计算当前帧与初始帧间对应骨骼向量的偏转角度作为全局偏移量；

将局部偏移量和全局偏移量拼接作为运动偏移特征；

将所有所选骨骼向量的运动偏移特征拼接，构成该帧的运动偏移特征；

所述静态姿势特征，包括：

计算当前帧内相邻骨骼关节点间的关节点夹角，来描述人体行为的静态姿势特征；

将所有所选关节点夹角数据相拼接，构成该帧的静态姿势特征；

将全部时间段的特征进行拼接，得到该动作的特征向量。

2.根据权利要求1所述的方法，其特征在于，所述步骤1，包括：

所述骨骼关节点数据序列包含人体骨骼关节点的三维坐标信息；

为提高运算速度，只选择部分骨骼关节点、骨骼向量、关节夹角参与计算。

3.根据权利要求1所述的方法，其特征在于，所述步骤2，包括：

所述运动变化量指当前帧与前一帧对应骨骼关节点间的偏转角度；

将所有所选骨骼向量的偏转角度绝对值累加，作为该帧的骨骼关节点的运动变化量；

所述运动量是指当前帧之前的所有帧的运动变化量的累加；最后一帧的运动量称为该动作的总运动量。

4.根据权利要求1所述的方法，其特征在于，所述步骤3，包括：

将每一帧的运动量，除以最后一帧的运动量，得到归一化后的运动量；

以帧索引为横坐标，每帧中经过归一后的运动量作为纵坐标，绘制成图形，称为该动作的人体行为运动量模型。

5.根据权利要求1所述的方法，其特征在于，所述步骤4，包括：

设时间金字塔的层数为n，对运动量模型的纵坐标进行n-1次均分，得到纵坐标分割点；根据该分割点，在运动量模型曲线上得到对应的即帧索引分割点，作为时间分割点，得到自适应划分时间段，每个时间段长度不同。

6.根据权利要求1所述的方法，其特征在于，所述步骤6，包括：

用特征编码技术得到特征码书；用其对各时间段内的骨骼关节点特征进行特征编码；此时得到的特征向量长度相同；

将按自适应划分时间段的经过编码后的特征，以特征向量拼接的方式进行组合，得到该动作的特征向量。

7.根据权利要求1所述的方法，其特征在于，所述步骤7，包括：

按照训练集和测试集的划分方法，用训练集数据进行训练，用测试集数据进行测试，从而获得分类器的最佳分类参数，最终实现对人体行为的识别。