[发明专利]一种基于人体骨架运动信息的人体行为预测方法

摘要

本发明公开了一种基于人体骨架运动信息的人体行为预测方法，包括以下步骤：利用从RGB‑D图像中提取人体骨架信息，分肢体计算各关节点的归一化相对方位特征；利用基于特征序列势差的分割方法对特征序列进行动态分割，得到姿态特征子序列和动作特征子序列；从姿态特征子序列和动作特征子序列中提取关键姿态和原子动作，构建基于关键姿态和原子动作的多层图模型；提取多层图模型中蕴含的人体子行为模式，构建人体子行为模式的上下文概率统计模型；进行人体子行为模式的识别与预测；本发明对不同个体的形体差异、空间位置差异等具有强鲁棒性，对同类行为内不同个体的动作差异性具有强泛化能力，对不同类行为间的动作相似性具有强识别能力。

主权项

1.一种基于人体骨架运动信息的人体行为预测方法，以从RGB‑D图像中提取到的人体骨架信息为基础，对当前时刻的人体行为进行识别及对后续时刻的人体行为进行预测，其特征在于，包括以下步骤：(1)针对从每帧RGB‑D图像提取到的人体骨架信息，利用中值滤波算法对人体骨架数据进行时域上的平滑预处理，降低噪声和异常数据的影响；(2)针对预处理后的人体骨架信息，以人体各个关节点的实际运动模型为基础，分肢体计算人体各关节的归一化相对方位特征，生成归一化相对方位特征序列；关节点i的归一化相对方位特征是以关节点i实际运动时所围绕的关节点j为参考节点进行计算的，计算方式为：式中，P_i和P_j为关节点i和关节点j在世界坐标系内的三维坐标向量，‖‖为欧式距离算子；(3)定义并计算特征序列的势能和势差，基于特征序列的势差对特征序列进行动态分割，得到姿态特征子序列和动作特征子序列；(4)利用高斯混合模型算法从姿态特征子序列中提取关键姿态，利用K均值算法从动作特征子序列中提取原子动作；(5)基于提取到的关键姿态和原子动作分肢体构建多层图模型，构建的多层图模型包括每种人体行为所包含的不定长人体子行为模式；(6)利用多层图模型中的人体子行为模式对训练特征序列进行编码，利用概率后缀树模型对编码序列的上下文信息构建上下文概率统计信息模型，训练过程完成；(7)利用步骤1至步骤3中的方法对测试特征序列进行提取与分割，根据截止到当前时刻的分割结果提取姿态和动作，并结合训练得到的多层图模型对提取到的姿态和动作序列所对应的人体子行为模式进行识别；(8)结合截止到当前时刻的人体子行为模式识别结果以及训练得到的包含子行为模式上下文信息的概率后缀树模型，对下一时刻的人体子行为模式进行预测。