[发明专利]基于骨骼关节点数据的人体行为识别方法

说明书

本发明提供一种基于骨骼关节点数据的人体行为识别方法，通过从骨骼关节点数据序列中提取描述人体行为运动信息的运动轨迹特征、运动偏移特征，以及描述人体行为静态信息的静态姿势特征；通过建立基于骨骼关节点数据的运动量模型，实现了对时间段的自适应划分；上述自适应时间段划分以及段内的特征表征方法，可达到表达动作顺序的目的，同时也增强特征表达能力，从而可提升人体行为的识别效果。

技术领域

本发明涉及计算机视觉及人体行为识别技术领域，尤其涉及一种基于骨骼关节点数据的人体行为识别方法。

背景技术

人体行为识别是指利用计算机将传感器获取到的数据进行处理、建模和分析，从中提取与人体行为相关信息，并建立这些信息与高层语义之间的关系，从而使计算机可以识别个体行为、个体之间的交互行为或群体之间的交互行为。

传统的基于视频数据的人体行为识别方法，由于摄像头在成像时容易受到光照变化、复杂背景干扰等因素的影响，且无法得到目标的三维信息，其识别结果不理想。

随着计算机技术的发展和硬件成本的降低，市场上出现了新型传感器，例如微软的Kinect，该设备不仅能获取彩色图像数据，还能获取深度数据和骨骼关节点数据；相较于视频图像数据和深度数据来说，骨骼关节点数据具有数据量较小，不易受环境光照和复杂背景干扰等因素的影响，并且具有能有效描述人体三维结构的优势，受到了广泛的关注。

目前基于骨骼关节点数据的识别方法在实际应用中存在一些困难，表现在获得的人体行为特征中行为信息量相对较少，且较为单一；在时间序列上倾向于使用动作的整体时间段的特征而忽略了动作过程，导致识别结果不理想。

本发明提供一种基于骨骼关节点数据的人体行为识别方法，通过从骨骼关节点数据序列中提取描述人体行为运动信息的运动轨迹特征、运动偏移特征，以及描述人体行为静态信息的静态姿势特征；通过建立基于骨骼关节点数据的运动量模型，实现了对时间段的自适应划分；上述自适应时间段划分以及段内的特征表征方法，可达到表达动作顺序的目的，同时也增强特征表达能力，从而可提升人体行为的识别效果。

发明内容

基于骨骼关节点数据的人体行为识别方法，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。

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，可只选择部分骨骼关节点、骨骼向量、关节夹角参与计算。

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。

所述运动变化量指当前帧与前一帧对应骨骼向量间的偏转角度；

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。

步骤3，将运动量归一化到[0,1]区间，构建该动作的人体行为运动量模型。

所述将运动量归一化到[0,1]区间，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。

所述构建该动作的人体行为运动量模型，包括：

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。

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。

所述对时间进行自适应划分，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；