[发明专利]一种基于极限学习机的多视角动作识别方法及装置

权利要求书

1.一种基于极限学习机的多视角动作识别方法，其特征在于，包括：

S1：获取多个视角下的预置的已标记的动作视频，通过图像分割技术提取已标记的动作视频下的视频帧中的动作时空兴趣点图像，获取已标记的动作视频的姿势向量；

S2：对已标记的动作视频的姿势向量进行模糊化处理，获取已标记的动作视频的离散化动作特征向量，通过已标记的动作视频的离散化动作特征向量和已标记的动作视频的动作标签获得极限学习机的输出权重；

S3：获取多个视角下的预置的未标记的动作视频，通过图像分割技术提取未标记的动作视频下的视频帧中的动作时空兴趣点图像，获取未标记的动作视频的姿势向量，对未标记的动作视频的姿势向量进行模糊化处理，获取未标记的动作视频的离散化动作特征向量，通过未标记的动作视频的离散化动作特征向量和极限学习机的输出权重，获得多个视角下的预置的未标记的动作视频的分类。

2.根据权利要求1所述的基于极限学习机的多视角动作识别方法，其特征在于，所述步骤S1具体包括：

获取多个视角下的预置的已标记的动作视频，通过图像分割技术提取已标记的动作视频下的视频帧中的动作时空兴趣点图像，对已标记的动作视频下的视频帧中的动作时空兴趣点图像裁剪成预定像素大小并进行列向量化，获取已标记的动作视频的姿势向量P_ij，其中i表示已标记的动作视频的索引下标，j表示第i个已标记的动作视频下的第j个视频帧，j＝1,2,3,...N_i。

3.根据权利要求2所述的基于极限学习机的多视角动作识别方法，其特征在于，所述步骤S2具体包括：

通过K邻近算法和已标记的动作视频的姿势向量P_ij产生D个基本姿势向量V_d，通过已标记的动作视频的姿势向量P_ij和基本姿势向量V_d之间的第一模糊相似度公式对已标记的动作视频的动作特征进行模糊化处理，对所述第一模糊相似度进行平均化处理获得已标记的动作视频的离散化动作特征向量S_i，通过已标记的动作视频的离散化动作特征向量S_i和已标记的动作视频的动作标签获得极限学习机的输出权重，其中第一模糊相似度公式为

U_ij＝(||P_ij-V_d||₂)^-2/(m-1)，d＝1,2,...D，U_ij为已标记的动作视频的姿势向量P_ij和基本姿势向量V_d之间的第一模糊相似度，

$S_i=\frac{1}{N_i}\underset{j=1}{\overset{N_i}{\Σ}}{U}_{ij}$

S_i为已标记的动作视频的离散化动作特征向量。

4.根据权利要求3所述的基于极限学习机的多视角动作识别方法，其特征在于，所述步骤S3具体包括：

获取多个视角下的预置的未标记的动作视频，通过图像分割技术提取未标记的动作视频下的视频帧中的动作时空兴趣点图像，对未标记的动作视频下的视频帧中的动作时空兴趣点图像裁剪成预定像素大小并进行列向量化，获取未标记的动作视频的姿势向量；

对未标记的动作视频的姿势向量进行模糊化处理，获取未标记的动作视频的离散化动作特征向量，通过未标记的动作视频的离散化动作特征向量和极限学习机的输出权重，获得多个视角下的预置的未标记的动作视频的分类。