[发明专利]一种基于骨骼运动轨迹的动作识别方法

摘要

本发明涉及一种基于骨骼运动轨迹的动作识别方法，包含：选取一些包含完整动作的人类骨骼序列构成训练数据集，每个人类骨骼序列都包含人类各骨骼节点三维坐标；对训练数据集的每个人类骨骼序列，做处理；利用卷积神经网络，对基于训练数据集生成的三个方向的骨骼轨迹图，分别做卷积神将网络的模型训练，在每个方向上各得到一个卷积神经网络模型；对于测试样例，在经过处理之后，得到利用颜色信息表示骨骼运动的时间信息的各张测试骨骼轨迹图；将各张测试骨骼轨迹图，分别输入到相应已经训练好的卷积神经网络模型中，能够得出卷积神经网络的分类结果；得到最终分类结果。本发明能够准确可靠识别人类动作。

主权项

一种基于骨骼运动轨迹的动作识别方法，包含下列的步骤：(1)选取一些包含完整动作的人类骨骼序列构成训练数据集，每个人类骨骼序列都包含人类各骨骼节点三维坐标；(2)对训练数据集的每个人类骨骼序列，做如下的处理：1)对于包含人类各骨骼节点三维坐标的某动作的三维骨骼序列，按照时间顺序将骨骼节点的三维坐标位置进行连线，得到该骨骼节点在整个骨骼序列中的三维骨骼运动轨迹。2)在笛卡尔坐标系中，对整个动作的三维骨骼运动轨迹在三个坐标平面上分别投影，从而将三维骨骼运动轨迹转化为三个二维的骨骼运动轨迹图，将之定义为骨骼轨迹图；3)在三张骨骼轨迹图上，对不同时间的骨骼轨迹段，赋予不同的颜色，颜色的取值取决于该骨骼轨迹段在整个骨骼序列中的时间位置，从而得到利用颜色信息表示骨骼运动的时间信息的各张骨骼轨迹图；(3)利用卷积神经网络，对基于训练数据集生成的三个方向的骨骼轨迹图，分别做卷积神将网络的模型训练，在每个方向上各得到一个卷积神经网络模型；(4)对于测试样例，在经过步骤(2)的处理之后，得到利用颜色信息表示骨骼运动的时间信息的各张测试骨骼轨迹图；(5)将各张测试骨骼轨迹图，分别输入到相应已经训练好的卷积神经网络模型中，能够得出卷积神经网络的分类结果，每个卷积神经网络能够输出一个长度为训练类别数目的Scores向量；(6)对三个Scores向量进行求和，并取极值所在的类别标签作为最终分类结果。