[发明专利]一种基于Kinect的人体坐姿行为识别方法和系统

权利要求书

1.一种基于Kinect的人体坐姿行为识别方法，其特征在于，包括以下步骤：

(1)从人体姿态行为数据集获取骨架图像序列，根据骨架图像序列中每一帧图像及其前一帧和后一帧图像获取该帧图像的时间局部特征，并根据骨架图像序列中每一帧图像获取该帧图像的空间局部特征，时间局部特征和空间局部特征共同构成特征序列f_n,s，其中n∈[1,7]，s是骨架图像序列中的图像帧；

(2)使用K-means对步骤(1)中获得的帧图像的特征序列进行聚类处理，以得到多个聚类处理结果；

(3)使用PCA方法对步骤(2)得到的多个聚类处理结果进行处理，以得到多个按照主元信息的重要性从高到低排列的局部特征。

(4)使用特征编码算法对步骤(3)得到的局部特征进行处理，以得到图像特征描述符；

(5)根据帧图像与骨架图像序列中其他帧图像的图像特征描述符构建全局损失函数，使用基于随机梯度下降算法对全局损失函数进行求解，以得到使全局损失函数最小化的最佳线性变换函数；

(6)使用得到的最佳线性变换函数对帧图像与骨架图像序列中其他帧图像的图像特征描述符进行处理，以得到帧图像与骨架图像序列中其他帧图像的相似度。

(7)利用非参数K-近邻算法对步骤(6)中得到的帧图像与骨架图像序列中其他帧图像的相似度进行处理，以对所有图像进行行为分类。

2.根据权利要求1所述的人体坐姿行为识别方法，其特征在于，根据骨架图像序列中每一帧图像及其前一帧和后一帧图像获取该帧图像的时间局部特征具体为：

首先，按照人体部位将关节点划分成三个关节组，其中头部、左手、右手、左脚、右脚在时间变化过程中的位移矢量构成第一关节组，颈部、左手肘、右手肘、左膝、右膝在时间变化过程中的位移矢量构成第二关节组，脊柱、左肩、右肩、左臀、右臀在时间变化过程中的位移矢量构成第三关节组；

然后，获取每一帧图像中不同关节点的时间位移矢量：

其中1＜s＜τ，τ是骨架图像序列中图像帧的数量，是骨架图像序列中第s帧图像的第i个关节点在坐标系(X,Y,Z)中的坐标，表示骨架图像序列中第s帧图像的第i个关节点的时间位移矢量；

最后，将以上获得的每一帧图像的不同关节点的时间位移矢量中属于同一关节组的时间局部特征组合起来，从而分别建立第一、第二和第三关节组的时间局部特征f₁至f₃。

3.根据权利要求2所述的人体坐姿行为识别方法，其特征在于，根据骨架图像序列中每一帧图像获取该帧图像的空间局部特征具体为：

首先，按照人体部位将关节点划分成4个关节组，其中头部、左手、右手各自与脊柱的相对位置矢量构成第四关节组，头部、左手、左脚各自与右臀的相对位置矢量构成第五关节组；头部、右手、右脚各自与左臀的相对位置矢量构成第六关节组；左手、右手各自与头部的相对位置矢量构成第七关节组；

然后，获取每一帧图像中不同关节点的空间位移矢量：

其中表示第s帧图像中第i个关节点相对于第j个关节点的空间位移矢量，且有i≠j；

最后，将以上获得的每一帧图像的不同关节点的空间位移矢量中属于同一关节组的时间局部特征组合起来，从而分别建立第四、第五、第六和第七关节组的时间局部特征f₄至f₇。

4.根据权利要求3所述的人体坐姿行为识别方法，其特征在于，特征编码算法是局部特征聚合描述向量符算法。