[发明专利]基于SURF兴趣点的行为识别方法及装置

说明书

技术领域

本发明涉及图像识别技术领域，尤其涉及基于SURF兴趣点的行为识别方法及装置。

背景技术

人体行为识别作为计算机视觉领域的一个新兴技术，在人机交互和视频监控等方面具有广泛的应用前景。目前，可应用的场合分别有运动捕捉、监控视频分析、视频分类、体育运动与娱乐视频处理、智能家居开发、人机交互、环境控制与监视等等。

目前主要的人体行为识别方法大致可以分为基于目标跟踪、基于形状模板匹配、基于光流和基于时空兴趣点这四大类。基于目标跟踪和形状模板匹配的方法要求建立精确的人体模板，系统鲁棒性相对较差。基于光流的方法利用光流信息进行行为识别，容易受到噪声以及光照强度变化的干扰。基于时空兴趣点分析的方法通过滤波和非极值抑制法提取出兴趣点，从时空兴趣点中提取人体动作的时空运动特征作为识别的依据。这类方法对于图像遮挡、重叠、尺度变化和光照变化的鲁棒性不好。为此，有必要对上述的人体行为识别方法进行进一步的改进。

发明内容

本发明所要解决的技术问题是：提供一种能够增加图像鲁棒性、提高人体行为识别率的基于SURF兴趣点的行为识别方法及装置。

为了解决上述技术问题，本发明采用的技术方案为：提供一种基于SURF兴趣点的行为识别方法，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。

为了解决上述技术问题，本发明采用的另一技术方案为：提供一种基于SURF兴趣点的行为识别装置，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；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

本发明的有益效果在于：本发明通过SURF算法检测人体动作兴趣点，并对多帧的兴趣点构造成运动轨迹点集提取目标特征并量化得到特征向量后计算特征向量与所有簇中心的欧式距离得到匹配值，最后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。兴趣点的提取过程不要求精确定位人体和精确分割人体轮廓，因此兴趣点对遮挡、重叠、尺度变化和光照变化不敏感，能够增加行为识别的鲁棒性；对兴趣点进行预处理，能够消除噪声影响以及提高兴趣点的质量。通过对兴趣点的处理方法步骤，能够增加图像的鲁棒性，提高图像中人体行为的识别率。

附图说明

图1是本发明基于SURF兴趣点的行为识别方法的流程图；

图2是积分图像示意图。

具体实施方式

为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。

本发明最关键的构思在于:通过累积多帧多尺度的时空兴趣点来构造兴趣点云，然后提取出能够表征时空兴趣点云的多尺度特征，并通过对特征值进行直方图化实现特征量化，能够增加行为识别的鲁棒性，提高行为识别率。

兴趣点：视频中运动剧烈特征显著的位置，能够反映出视频中人体的时间空间分布信息和运动特征。

请参阅图1，基于SURF兴趣点的行为识别方法，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；