[发明专利]自适应骨骼中心的人体行为识别方法

摘要

本发明公开了一种自适应骨骼中心的人体行为识别方法。主要解决现有技术动作识别精度低的问题。其实现步骤是：1)从骨骼序列数据集中获取三维骨架序列，并对其进行预处理，得到坐标矩阵；2)根据坐标矩阵选择特征参数，自适应选择坐标中心，重新对动作进行归一化，得到动作坐标矩阵；3)通过DTW方法对动作坐标矩阵进行降噪处理，借助FTP方法减少动作坐标矩阵时间错位和噪声问题，再使用SVM进行对动作坐标矩阵进行分类。本发明相比于现有的行为识别方法，有效地提高了识别精度。可应用于监控、视频游戏和人机交互。

主权项

一种自适应骨骼中心的人体行为识别方法，包括：(1)读取人体动作两个数据集UTKinect和MSRAction3D中的骨骼动作序列帧，并去掉骨骼动作序列帧中的冗余帧，得到序列帧信息；再以臀部关节点h、颈部关节点n为坐标中心分别进行归一化，得到臀部中心坐标矩阵dh以及颈部中心坐标矩阵dn；(2)用两个相邻关节点构成一个刚体向量，两个相邻刚体向量构成一个关节角，根据步骤(1)得到两个坐标矩阵dh、dn，分别计算每个关节角的角速度和角加速度；(3)将根据两个坐标矩阵dh、dn计算出的所有关节角的角速度和角加速度使用选择排序方法分别进行排序，分别得到臀部关节角的角速度序列h1、角加速度序列h2和颈部关节角的角速度序列h3、角加速度序列h4；(4)确定关节角的角速度和角加速度阈值：将所述序列h1的最小值sFρ和最大值lFρ作为臀部关节角的角速度阈值[sFρ,lFρ]，将所述序列h2的最小值pFρ和最大值qFρ作为臀部关节角的角加速度阈值[pFρ,qFρ]，将所述序列h3的最小值mFρ和最大值nFρ作为颈部关节角的角速度阈值[mFρ,nFρ]，将所述序列h4的最小值uFρ和最大值vFρ作为颈部关节角的角加速度阈值[uFρ,vFρ]；(5)根据每个关节角臀部关节角的角速度的阈值[sFρ,lFρ]与颈部关节角的角速度阈值[mFρ,nFρ]，得到臀部关节角的角速度适应值s1和颈部关节角的角速度适应值s2；根据每个关节角的臀部关节角的角加速度阈值[pFρ,qFρ]与颈部关节角的角加速度阈值[uFρ,vFρ]，得到臀部关节角角加速度适应值s3和颈部关节角的角速度适应值s4；(6)根据步骤(5)得到的四个适应值s1、s2、s3和s4，依次确定每一个动作的坐标中心重新归一化，得到动作坐标矩阵；(7)将动作坐标矩阵输入支持向量机SVM中，输出动作的识别结果。