[发明专利]一种人体动作识别的方法

说明书

技术领域

本发明属于计算机视觉与模式识别领域，具体地，涉及一种人体常见动作识别的方法。

背景技术

在计算机视觉领域，人体动作识别是一个刚刚兴起但十分重要的分支，其目的主要是让计算机能够自动地判断和理解人体目前正在执行的动作。由于计算机本身并不具备类似于人的高层理解能力，因此计算机动作识别是一项极具挑战性的工作。然而动作识别的应用前景是十分广阔的，比如在人机交互、视频会议、视频检索、病人自主监护、智能安全监控等场合都能够发挥重要的作用。所以这方面的研究也是十分必要的。

由于各方面的原因，现有的动作识别效果还远达不到人脑的识别能力，国际上也还没有一个比较完善的动作识别系统。但是近些年很多知名的国际期刊或会议都将动作识别作为重点发展的研究领域，国内外很多学者也在这方面做了大量的有益成果。近年来论文中的方法主要有：

F.Lv等人在2006年率先使用Adaboost方法进行人体动作识别；M.Branda，A.Kale，V.Duong等分别在1994年、2004年和2005年使用马尔科夫或隐马尔科夫方法（HMM）进行动作识别；C.Sminchisescu和L.Wang和分别在2005和2007年使用了条件随机场（CRF）；M.Ahmed等人在2005和2006年提出局部-全局光流对运动的人体进行描述；A.Efros等人在2006年提出了时空运动描述子；A.Bobick等人在2001年提出了运动历史图并用于人体动作识别；N.Ikizler等在2007年建立人体骨架模型；A.Ogale等人于2005年提取视频中的人体轮廓，并构建PCFG语法来识别人体动作。

专利方面，申请号为CN200910110485.9的中国发明专利申请通过多个红外线传感器对人体手势动作进行了识别；申请号为CN200910002876.9的中国发明专利申请借助于后台数据库，开发了一种三维动作识别方法；申请号为CN200910077467.5的中国发明专利申请通过生成不同的特征文件，进而进行比对的方法进行动作识别；申请号为CN200810232110.5的中国发明专利采用三维伪Zernike矩进行比例不变、位移不变、旋转不变的特征描述，实现了与视角无关的动作识别；申请号为CN201210171624.0的中国发明专利公开了一种基于骨骼节点数据的动作识别方法；申请号为CN200910190443.0的中国发明专利涉及一种基于计算机的鼓乐动作识别方法；申请号为CN200810043513.5的中国发明专利基于有限自动机模型开发了一种新的动作识别方法；申请号为CN200910109019.9的中国发明专利涉及一种基于多跟踪点的人体动作识别方法。

由于人在身高、体长及行为姿态上存在差异，因此不同的人对同一种动作都会有不同的表现方式，所以对于一个动作识别系统来说通过涵盖所有人的运动姿态来进行行为识别是不切实际的。故本发明希望通过较少的已知动作样本就能够使分类器具备较高的分辨能力。

发明内容

本发明的目的是提供一种视频序列中人体动作的识别方法，借助于人体运动的时间和空间信息，采用基于扩展拉普拉斯矩阵的半监督学习策略，通过较少的已知动作样本就能够使分类器具备较高的分辨能力，即用于分析一段视频序列中人体在各帧的动作类别，主要包括起立、坐下、走、踢等常见动作，达到更好的识别效果。

为实现上述目的，本发明采用的技术方案：本发明首先使用了一种包含时间和空间信息的特征来表达当前帧人体的运动状态，然后再通过一种图论半监督方法设计分类器，从而达到识别人体动作的目的。

本发明将每帧的动作图像当做一个样本，采用机器学习领域半监督学习的策略训练分类器，进而通过分类的思想判断当前帧中的人体动作类别。半监督学习的主要思想是当少量的已标记样本和大量的未标记样本共存时，可以借助这些大量的未标记样本提升分类的准确率。典型的半监督学习方法大致可以归为多视角学习（Multi-view Learning），直推向量机（Transductive Support Vector Machine）和基于图论的方法（Graph-based Methods）。由于图模型能够直观地表现样本及样本之间的关系，所以本发明提出一种新的适合于动作识别的图论半监督方法，以达到更好的识别效果。

具体地，本发明提供一种人体动作识别的方法，包括如下步骤：

第一步，捕获运动人体的大致位置和轮廓。