[发明专利]一种人体动作识别的方法

权利要求书

1.一种人体动作识别的方法，其特征在于，如下包括步骤：

第一步，捕获运动人体的大致位置和轮廓；

第二步，计算运动人体的空间特征，获得前帧人体的轮廓直方图、横向即x方向及纵向即y方向的光流直方图，并把计算结果拼接成一个216维的特征向量；

第三步，计算运动人体的时间特征，将当前帧和其前、后各7帧放在一起组成一段长15帧的片段，并采用局部线性嵌入法将1～5帧，6～10帧，及11～15帧的特征向量分别降至50,100,50维；

第四步，形成描述当前帧人体运动姿态的最终特征向量，即将第二、三步获得的特征进行组合得到最终的特征向量，共计416维；

第五步，建立图模型G：将待分类的动作序列切成一帧一帧的图片形式，并和已知动作图片放在一起建立K近邻图G；

第六步，求解广义拉普拉斯矩阵根据图G的邻接矩阵W和相应的度矩阵D，计算广义拉普拉斯矩阵

第七步，获得每一帧的标签向量F_i：将广义拉普拉斯矩阵代入预设的目标函数并进行求解，从而对于视频序列中的每一帧图片i都能获得一个标签向量F_i；

第八步，识别结果输出：向量F_i中最大元素所在的列代表的动作类别即为第i帧中人体正在执行的动作。

2.根据权利要求1所述的人体动作识别的方法，其特征在于：所述第一步中，采用帧差法捕获运动人体的大致位置和轮廓，即用当前帧图像减去上一帧图像，再对得到的帧差图像进行去噪、腐蚀、膨胀处理获得运动人体轮廓图像，并得到感兴趣的矩形区域R_i。

3.根据权利要求2所述的人体动作识别的方法，其特征在于：所述第二步，具体为：将第一步中得到的矩形区域R_i分成2×2的四个子区域，每一个子区域对应一个表征方向的饼状图，该饼状图的中心与子区域的中心重合，以x轴正半轴所在方向为0°角，每隔20°取一次值，则360°的圆盘被平均分成了18份，于是每一份的区间分别为[1°,20°]，[21°,40°]，…，[341°,360°]，通过统计轮廓走向落在这些区间的次数得到包含18个区间的轮廓统计直方图即18维的特征向量，光流特征的计算采用Lucas-Kanade方法，求解如下的关于光流(u，v)的约束方程：

I_xu+I_yv+I_i=0

求得(u,v)后，再分别在x方向和y方向做中值滤波，采用轮廓统计直方图的获得方法，得到在x和y两个方向各18维的光流统计直方图，所以描述每个子区域的特征向量共有18×3=54维，R_i被分成了2×2的四个子区域，所以第i帧的人体运动情形用54×2×2=216维的特征向量表示。

4.根据权利要求1所述的人体动作识别的方法，其特征在于：所述第三步，具体为：假设当前为第i帧，需要考察的片段组成为第i-7,…,i-1,i,i+1,…,i+7帧共15帧，将这15帧平均分为三段，每一段由216×5=1080维的特征向量进行表示，采用局部线性嵌入的方法分别将这三段对应的特征向量降至50,100,50维，于是第i帧的时间信息由200维的特征向量来表示。

5.根据权利要求1所述的人体动作识别的方法，其特征在于：所述第五步，具体为：假设有很少量的已知动作类别的帧图像，它们构成l个已标记样本其中y为动作类别的标签；另有大量未知类别的待分类帧图像，它们构成u个未标记样本且设l+u=n,l＜＜u，于是动作识别的任务就转化为建立函数f，根据已知样本集去推断中各样本的标签；图G用G=<V,E>来加以描述和中的样本，其中V代表节点集，E代表连接这些节点的边所构成的集合；对于动作识别问题，各样本x_i（1≤i≤n）在图G中用节点表示，它们之间的相似程度用含有权重的边表示，权重的计算公式采用径向基函数ω_ij=exp(-||x_i-x_j||²2σ²)，其中σ为待调参数。