[发明专利]基于SURF兴趣点的行为识别方法及装置

权利要求书

1.一种基于SURF兴趣点的行为识别方法，其特征在于，包括如下步骤：

S01、采集多帧连续的人体动作视频图像；

S02、根据SURF算法检测每帧图像中与人体动作相关的兴趣点；

S03、对兴趣点进行包括去噪音处理以及去离群的预处理；

S04、累积多帧图像中所有兴趣点并构造表征人体动作的运动轨迹的点集；

S05、从人体动作的运动轨迹的点集中提取目标特征并量化得到特征向量；

S06、计算运动轨迹点集的特征向量与所有簇中心的欧式距离，得到待检测视频与所有簇中心的匹配值，其中，所述簇中心为样本图像；

S07、根据步骤S06的计算结果，将待检测视频图像人体动作判定为得到的匹配值最高的人体动作；

其中，所述步骤S02具体包括步骤：

S21、选定一帧人体动作视频图像；

S22、根据累积统计图像中左上角到图像任意一点的矩形区域内像素值之和来计算积分图像；

S23、构造的若干尺寸逐渐递增的滤波器模拟Hessian矩阵滤波器以计算出与积分图像对应的卷积响应图；

S24、根据非极值抑制算法查找兴趣点。

2.根据权利要求1所述的基于SURF兴趣点的行为识别方法，其特征在于，所述步骤S24具体包括步骤：

S241、选定卷积响应图的目标点并构造该目标点的邻域；

S242、判断目标点的响应值与其邻域内所有点的响应值的大小，若目标点的响应值大于邻域内所有点的响应值，则判定该目标点为兴趣点，若否，则继续对下一目标点进行判断。

3.根据权利要求1所述的基于SURF兴趣点的行为识别方法，其特征在于，所述步骤S03中的去噪音处理具体包括步骤：

S31、提取出当前帧人体动作视频图像与前一帧人体动作视频图像的兴趣点，构造兴趣点集；

S32、对当前帧所有兴趣点与前一帧的对应兴趣点进行匹配，若当前帧的兴趣点和前一帧中对应的兴趣点的最小距离或第二小距离小于设定阈值，则判定兴趣点匹配成功，若否则判定该兴趣点为噪音点并去除。

4.根据权利要求3所述的基于SURF兴趣点的行为识别方法，其特征在于，所述步骤S03中的离群处理具体包括步骤：

S33、选择一去噪音后的兴趣点作为目标点，该目标点向设定距离阈值内的所有兴趣点进行一次传播；

S34、依次以传播到的兴趣点为新的目标点，并对距离阈值尚未传播到的兴趣点进行传播，直至目标点的距离阈值内无兴趣点停止传播；

S35、判断目标点传播到的兴趣点的数量与预设点数量阈值的大小，若目标点传播到的兴趣点的数量大小预设点数量阈值，则判定兴趣点匹配成功，若否则判定该兴趣点为离群点并去除。

5.根据权利要求1所述的基于SURF兴趣点的行为识别方法，其特征在于，所述步骤S05中的目标特征包括运动轨迹点集的长宽比、运动轨迹点集与目标区域的高度比、运动轨迹点集与目标区域的宽度比、运动轨迹点集的密度、运动轨迹点集的扩张速度、运动轨迹点集与目标的重合面积、运动轨迹点集与目标区域几何中心的平均竖直距离以及运动轨迹点集与目标区域几何中心的平均水平距离，其中，所述目标区域为当前帧人体位置。

6.根据权利要求5所述的基于SURF兴趣点的行为识别方法，其特征在于，所述步骤S05中提取目标特征后还包括提取目标区域的长宽比和目标区域中人体的填充率，通过对目标特征以及目标区域的长宽比和目标区域中人体的填充率量化得到特征向量的步骤。

7.一种基于SURF兴趣点的行为识别装置，其特征在于，包括顺次电连接的图像采集模块、兴趣点检测模块、预处理模块、点集构造模块、量化模块、计算模块以及识别模块；

所述图像采集模块，用于采集多帧连续的人体动作视频图像；

所述兴趣点检测集模块，用于根据SURF算法检测每帧图像中与人体动作相 关的兴趣点；具体用于，选定一帧人体动作视频图像，并根据累积统计图像中左上角到图像任意一点的矩形区域内像素值之和来计算积分图像；构造的若干尺寸逐渐递增的滤波器模拟Hessian矩阵滤波器以计算出与积分图像对应的卷积响应图；根据非极值抑制算法查找兴趣点；

所述预处理模块，用于预处理兴趣点，包括对兴趣点进行去噪音处理以及去离群处理；

所述点集构造模块，用于累积多帧图像中所有兴趣点并构造表征人体动作的运动轨迹的点集；

所述量化模块，用于从人体动作的运动轨迹的点集中提取目标特征并量化得到特征向量；

所述计算模块，用于计算待检测视频的运动轨迹点集的特征向量与所有簇中心的欧式距离，得到待检测视频与所有簇中心的匹配值，其中，所述簇中心为所有标准人体行为；

所述识别模块，用于根据计算模块的计算结果，将待检测视频图像人体动作判定为得到的匹配值最高的人体动作。