[发明专利]一种基于Kinect的人体坐姿行为识别方法和系统

摘要

本发明公开了一种基于Kinect的人体坐姿行为识别方法，包括：从人体姿态行为数据集获取骨架图像序列，根据骨架图像序列中每一帧图像及其前一帧和后一帧图像获取图像的特征序列，使用K‑means对获得的帧图像的特征序列进行聚类处理，以得到多个聚类处理结果，使用PCA方法对得到的多个聚类处理结果进行处理，以得到多个按照主元信息的重要性从高到低排列的局部特征，使用特征编码算法对局部特征进行处理，以得到图像特征描述符，根据帧图像与骨架图像序列中其他帧图像的图像特征描述符构建全局损失函数，使用基于随机梯度下降算法对全局损失函数进行求解。本发明能够解决传统的健康坐姿检测方法在对“非正坐”状态进行坐姿行为检测时识别准确率低的技术问题。

主权项

1.一种基于Kinect的人体坐姿行为识别方法，其特征在于，包括以下步骤：(1)从人体姿态行为数据集获取骨架图像序列，根据骨架图像序列中每一帧图像及其前一帧和后一帧图像获取该帧图像的时间局部特征，并根据骨架图像序列中每一帧图像获取该帧图像的空间局部特征，时间局部特征和空间局部特征共同构成特征序列fn,s，其中n∈[1,7]，s是骨架图像序列中的图像帧；(2)使用K‑means对步骤(1)中获得的帧图像的特征序列进行聚类处理，以得到多个聚类处理结果；(3)使用PCA方法对步骤(2)得到的多个聚类处理结果进行处理，以得到多个按照主元信息的重要性从高到低排列的局部特征。(4)使用特征编码算法对步骤(3)得到的局部特征进行处理，以得到图像特征描述符；(5)根据帧图像与骨架图像序列中其他帧图像的图像特征描述符构建全局损失函数，使用基于随机梯度下降算法对全局损失函数进行求解，以得到使全局损失函数最小化的最佳线性变换函数；(6)使用得到的最佳线性变换函数对帧图像与骨架图像序列中其他帧图像的图像特征描述符进行处理，以得到帧图像与骨架图像序列中其他帧图像的相似度。(7)利用非参数K‑近邻算法对步骤(6)中得到的帧图像与骨架图像序列中其他帧图像的相似度进行处理，以对所有图像进行行为分类。