[发明专利]基于星型模型的人体运动识别方法

权利要求书

1.一种基于星型模型的人体运动识别方法，包括如下步骤：

(1)将Weizmann数据库中的视频按照8∶1的比例构建训练视频集X和测试视频集T，并将训练视频集X和测试视频集T中的每段视频转换为连续的单幅序列图像；

(2)利用帧差法对训练视频集X中的单幅序列图像进行背景减除，并将背景减除后的彩色图像变为二值图像；

(3)构造上述二值图像最左下角的像素点为坐标中心的直角坐标系o₁，提取图像中人体的星型模型，并记录星型模型的5个顶点在直角坐标系o₁中的位置，其中，星型模型的5个顶点为人体轮廓上的像素点和人体重心点之间距离最大的5个像素点，分别记为：(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，(x₄,y₄)，(x₅,y₅)；

(4)在上述二值图像中构造以人体重心点为坐标中心的直角坐标系o₂，进行平移直角坐标系变换，并将步骤(3)中星型模型的5个顶点在直角坐标系o₁中的坐标转换到直角坐标系o₂中，得到这5个顶点在坐标系o₂中的对应坐标，分别为(x₁′,y₁′)，(x′₂,y′₂)，(x′₃,y′₃)，(x′₄,y′₄)，(x′₅,y′₅)；

(5)计算星型模型的5个顶点在直角坐标系o₂中的坐标(x₁′,y₁′)，(x′₂,y′₂)，(x′₃,y′₃)，(x′₄,y′₄)，(x′₅,y′₅)到直角坐标系o₂的坐标中心点的距离，依次记为d₁，d₂，d₃，d₄，d₅；

(6)利用上述d₁,d₂,d₃,d₄,d₅中的最大值D，计算星型模型5个顶点的极径：r_i＝d_i/D，

其中i＝1,2......5，D＝max{d₁,d₂,d₃,d₄,d₅}；

(7)利用上述(x′₁,y₁′),(x′₂,y′₂),(x′₃,y′₃),(x′₄,y′₄),(x′₅,y′₅)，计算星型模型5个顶点的极角：θ_i＝arctan(x′_i/y′_i)，其中i＝1,2......5；

(8)根据人体结构特征找出这5个顶点分别对应的人体部位：

(8.1)将5个顶点的极径r_i,i＝1,2....5，从大到小排序，找出最大两个极径对应的坐标点(x₁′,y′₁),(x′₂,y′₂)，根据人体脚到人体重心的距离最大,且左脚和右脚分布于人体重心两侧的比例结构，若x₁′＞0，则判定(x′₁,y′₁)为左脚坐标，(x′₂,y′₂)为右脚坐标；

(8.2)在剩余3个点顶点(x′₃,y′₃),(x′₄,y′₄),(x′₅,y′₅)中，根据人体头部是偏离人体重心角度最小的部位，对应极角的绝对值最大的结构，比较3个顶点对应极角θ₃,θ₄,θ₅的绝对值的大小，若θ₃绝对值最大，则(x′₃,y′₃)为头部坐标；

(8.3)在其余两个顶点(x′₄,y′₄),(x′₅,y′₅)中，若x′₄＞0，则判定(x′₄,y′₄)为左脚坐标，(x′₅,y′₅)为右脚坐标；

(9)按照上述步骤(2)~(8)将一个运动视频中的所有序列图片都做如上处理，得到一个视频中所有图片中人的5个部位的极径和极角；

(10)将极径的取值范围等分为5个连续的子区间，极角的取值范围等分为10个连续的子区间，将极径的5个子区间和极角的10子区间分别两两组合，构成50个联合子区间，分别统计步骤(9)得到的一个视频的所有图片中人的5个部位的极径和极角的值落在这50个联合子区间中的次数，得到5个部位的位置特征向量，分别记为n₁，n₂，n₃，n₄，n₅，将5个部位的位置特征向量级联，得到一个运动视频的最终特征N＝{n₁，n₂，n₃，n₄，n₅}；

(11)按照上述步骤(2)~(10)提取训练视频集X和测试视频集T中的所有运动视频的最终特征，获得训练视频特征集X^*和测试视频特征集T^*；

(12)利用SVM算法对训练视频特征集X^*进行训练学习得到分类器，将测试视频特征集T^*输入到分类器中，得到各类运动的分类结果。