[发明专利]一种动作识别方法

说明书

本发明提出一种动作识别方法，将动作视频样本分段，计算每个视频片段的动态图像；将每个视频片段的动、静态图像输入特征提取器；提取动态图像的运动特征向量；构建特征中心组，得到直方图表达；将直方图表达输入直方图连接层，得到动作视频样本的完整直方图表示；然后输入多层感知器，构成运动特征量化网络；训练其至收敛；将动态、静态图像输入训练好的运动特征量化网络中的特征提取器、增强器和软量化器，得到直方图表达；将直方图表达输入显著运动特征提取器，得到显著运动特征图；将显著运动特征图输入卷积神经网络，构成动作分类器；训练其至收敛；计算测试动作视频样本每个片段的动态、静态图像，并输入训练好的动作分类器，实现动作识别。

技术领域

本发明涉及一种动作识别方法，属于动作识别技术领域。

背景技术

动作识别是计算机视觉领域的重要课题，它在视频监控、行为分析、人机交互等领域有着广泛的应用。尽管由于廉价深度相机的发展，基于骨骼的动作识别受到越来越多的关注，但是这些方法受限于深度相机的精度，当存在遮挡情况或者动作较复杂时，预测的骨骼关节点的位置通常会出错。与深度相机相比，RGB设备发展得更为成熟，且更可靠，因此，很多学者研究基于RGB视频的动作识别。

大部分现有方法通过提取视频帧的图像层面的特征，进行动作识别，这些方法没有致力于提取视频中动作的运动特征，但是，对于视频分析而言，获取其中的动态信息十分重要，运动特征是区分不同动作的重要线索。

因此，针对上述动作识别算法的问题，提出一种动作识别方法。

发明内容

本发明是为解决现有技术中的问题而提出的，技术方案如下，

一种动作识别方法，包括以下步骤：

步骤一、将动作视频样本分段，计算每个视频片段的动态图像；

步骤二、将每个视频片段的动态图像、静态图像输入特征提取器，分别获取运动特征图和静态特征图；

步骤三、将获得的运动特征图和静态特征图输入运动特征增强器，提取动态图像的运动特征向量；

步骤四、构建特征中心组，对于每张动态图像，将该动态图像的运动特征向量输入至特征中心组中的特征中心，累加每个特征中心上的所有输出，得到该动态图像的直方图表达；

步骤五、将每个动作视频样本的所有动态图像的直方图表达输入直方图连接层，得到动作视频样本的完整直方图表示；

步骤六、将动作视频样本的完整直方图表示输入多层感知器，构成一个运动特征量化网络；

步骤七、将所有训练动作视频样本的动态图像、静态图像输入至运动特征量化网络，训练运动特征量化网络至收敛；

步骤八、将训练动作视频样本每个视频片段的动态图像、静态图像输入训练好的运动特征量化网络中的特征提取器、运动特征增强器和特征软量化器，得到直方图表达；

步骤九、将直方图表达输入显著运动特征提取器，得到显著运动特征图；

步骤十、将显著运动特征图输入卷积神经网络，构成动作分类器；

步骤十一、训练动作分类器至收敛；

步骤十二、计算测试动作视频样本每个视频片段的动态图像、静态图像，将动态图像、静态图像输入训练好的动作分类器，实现动作识别。

优选的，所述步骤一中，将动作视频样本分段的方法为：

每一个动作视频样本由该视频中的所有帧组成，对于任一动作视频样本A来说：

A＝{I_t|t∈[1,T]},