[发明专利]一种基于自反馈基因表达式编程的人体行为识别方法

说明书

本发明公开了一种基于自反馈基因表达式编程的人体行为识别方法，该方法针对人体行为深度图像，从中提取出人体多个关节点的三维时间序列数据作为样本，利用由基因表达式编程在交叉、变异操作后再加入TIS插串操作构造得到自反馈基因表达式编程对样本进行建模，得到人体运动模型，TIS插串操作指的是在关节点运动序列头部插入函数符串；接着提取梯度信息作为模型特征。将训练样本的人体运动模型的模型特征输入至神经网络，训练得到神经网络模型作为人体行为分类器；将测试样本对应的人体运动模型的模型特征输入至上述获取的人体行为分类器中，得到人体行为识别结果。本发明具有人体行为识别准确度高及识别速度快的优点。

技术领域

本发明涉及人体行为识别领域，特别涉及一种基于自反馈基因表达式编程的人体行为识别方法。

背景技术

近几年，人体行为识别研究是国际上计算机学科最热门的前沿研究课题之一，具有重要的理论研究价值，研究课题内容丰富，涉及到图像处理与分析、机器视觉、人体生理学、人体运动学、模式识别和人工智能等多学科领域知识。人体行为识别研究不但拓宽了学科间的研究方向，而且带动相关学科的发展，同时也是智慧城市与公共安全迫切需要解决的关键技术，其广泛应用于人机智能交互、智能视觉监控、基于内容的视频检索、虚拟现实等领域。目前人体识别的大部的研究还只停止在静态的识别，人体运动的复杂性和易变性使得识别的准确性和高效性无法满足相关行业的实用要求。

目前，现有技术中对人体行为的识别主要是采用关节点佩戴传感器或者是采用多摄像头进行多视角监视，关节点佩戴传感器是指在人体的某个部位放上传感器，这种方式识别人体的行为种类有限，且识别准确度不高、识别速度慢、识别行为单一且可扩展性差；采用多摄像头进行多视角监视是指在各个视角位置安装摄像头，通过各个视角的摄像头拍摄到的图片判定人体的行为，这种方式存在成本高、数据精度低、使用不便、受环境因素影响大等缺陷。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于自反馈基因表达式编程的人体行为识别方法，该方法利用自反馈基因表达式(SGEP)建立人体运动模型，然后将人体运动模型的梯度信息作为人体运动模型特征对各类人体行为进行精确刻画，最后通过神经网络对人体行为进行识别，具有人体行为识别准确度高以及识别速度快的优点。

本发明的目的通过下述技术方案实现：一种基于自反馈基因表达式编程的人体行为识别方法，其特征在于，步骤如下：

S1、获取人体行为深度图像，然后从人体行为深度图像中分别提取出人体N 个关节点各自对应的三维时间序列数据，作为一个样本；

S2、利用自反馈基因表达式编程对样本进行建模，获取到样本对应的各关节点运动序列，从而得到各样本基于关节点的人体运动模型；其中所述自反馈基因表达式编程由基因表达式编程在交叉、变异操作后再加入TIS插串操作构造得到，其中TIS插串操作指的是在关节点运动序列头部插入函数符串，用于增加关节点运动序列有效位的长度增长；

S3、提取人体运动模型的梯度信息作为模型特征；

S4、通过步骤S1获取到训练样本集，并且各训练样本通过步骤S2的方式获取到各训练样本的人体运动模型，然后通过步骤S3的方式提取各训练样本的人体运动模型的模型特征；

S5、各训练样本的人体运动模型的模型特征作为神经网络的输入，对神经网络进行训练，将训练得到的神经网络模型，作为最终的人体行为分类器；

S6、通过步骤S1获取到测试样本，并且测试样本通过步骤S2的方式获取到测试样本的人体运动模型，然后通过步骤S3的方式提取测试样本的人体运动模型的模型特征；

S7、将测试样本的人体运动模型的模型特征输入至步骤S5中获取到的人体行为分类器中，通过该人体行为分类器得到人体行为识别结果。