[发明专利]基于运动历史点云生成的时空分布图的人体行为识别方法

摘要

一种基于运动历史点云生成的时空分布图的人体行为识别方法。其包括生成MHPC；生成STDM；提取颜色矩特征向量；提取LBP特征向量；训练和测试KELM分类器，最后将输出结果采用决策层融合后得到人体动作类型标签等步骤。本发明能够获得人体动作不同视角下的信息，增加了对动作角度变化的鲁棒性。用时空分布图来表示人体动作要比深度图像更加全面，提取的特征也更加有区别力；提取的颜色矩特征和LBP特征能够有效地表征人体动作类别，解决了利用点云提取特征复杂的问题。利用决策层融合进行分类，能够避免特征层融合不兼容和高维度的缺点。

主权项

1.一种基于运动历史点云生成的时空分布图的人体行为识别方法，其特征在于：所述的方法包括按顺序进行的下列步骤：(1)将每个人体动作样本中已经提取前景的多帧深度图像通过坐标映射得到每帧深度图像的点云，然后将其填充到MHPC中，直到遍历完所有帧的深度图像得到该动作的MHPC，以记录动作发生的空间与时间信息；(2)将MHPC直接投影到三个正交的笛卡尔坐标平面，分别是XOY平面、YOZ平面和XOZ平面，生成三个STDM，然后将MHPC左右旋转θ度至少一次并投影到笛卡尔坐标系的XOY平面，生成至少两个STDM；(3)从上述人体动作样本的所有STDM中提取出颜色矩特征向量，并进行串联而组合成该人体动作样本的颜色矩特征向量，然后采用PCA技术进行降维；(4)从上述人体动作样本的所有STDM中提取出LBP特征向量，并进行串联而组合成该人体动作样本的LBP特征向量，然后采用PCA技术进行降维；(5)选取所有人体动作样本中的部分样本为训练样本，剩余样本为测试样本，将训练样本的颜色矩特征向量和LBP特征向量分别输入到两个KELM分类器中进行训练，将测试样本得到的上述两种特征向量分别输入到两个已训练好的KELM分类器中进行测试，最后将输出结果采用决策层融合后得到人体动作类型标签。