[发明专利]一种人体动作识别方法

权利要求书

1.一种人体动作识别方法，包括如下步骤：

步骤一、正则化坐标系，并对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；

步骤二、设计一种二阶自循环神经网络对人体骨骼关节点的三维坐标数据进行特征提取，得到每一帧的特征向量；

步骤三、从每种动作类型的训练样本中选择一个作为该类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；

步骤四、计算测试动作样本与每个参考动作样本的匹配代价；

步骤五、寻找与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型；

所述步骤二中得到每一帧的特征向量的具体方法为：

设计二阶自循环神经网络，二阶自循环神经网络对动作样本的每一帧的坐标向量进行了两次编码并在编码过程中对每一帧进行权重处理，从而得到每一帧的特征向量

在第一次编码中，将训练集中所有动作样本所有帧的坐标向量输入至二阶自循环神经网络，设定神经网络期望输出值为输入值，隐层神经元个数为L₁，训练神经网络；训练完毕后，将每一帧的特征向量再次输入神经网络，提取神经网络隐层的L₁维数据作为该帧的编码向量

设第一次编码得到的第n帧编码向量为对其进行加权处理；设分别为动作样本J的第1帧到第N帧的坐标向量，设为第一次编码得到的编码向量，则的权重系数的计算方式如下：

将每个编码向量乘以各自的权重得到加权编码向量即

在第二次编码中，对得到的加权编码向量进行编码，将动作样本每一帧的加权编码向量作为二阶自循环神经网络的训练样本；设定神经网络的期望输出值为输入值，隐层神经元个数为L₂，训练神经网络；训练完毕后，将加权编码向量再次输入训练完毕的神经网络，提取神经网络隐层的L₂维数据，作为该帧的二次编码向量

设第二次编码得到的编码向量为对其进行加权处理，的权重系数的计算方式如下：

将二次编码向量乘以相应权重，得到特征向量即

对于长度为N帧的动作样本J，在将该动作样本的每一帧骨骼关节点的坐标向量进行二次编码及加权处理后，可以得到该动作样本每一帧的特征向量动作样本J就用这N个特征向量表示：

2.根据权利要求1所述的一种人体动作识别方法，其特征在于：所述步骤一正则化坐标系的具体方法为：取动作样本的动作序列第一帧中左肩关节到右肩关节的方向为x轴正方向，取胯骨到颈椎关节的方向为y轴正方向，取人脸正面朝向的方向为z轴正方向，正则化坐标系。

3.根据权利要求1所述的一种人体动作识别方法，其特征在于：所述步骤一对动作样本每一帧骨骼关节点的三维坐标进行标准化处理的方法为：

一个长度为N帧的动作样本J，设该样本每帧记录了S个骨骼关节点的三维坐标，其中第s个骨骼关节点在第n帧的三维坐标为(x_s,n,y_s,n,z_s,n)，第n帧的静态姿势通过S个骨骼关节的坐标来表示，具体表示方法为：

动作样本J是由N帧的静态姿势组成的，通过以下方式表示：

J＝{P₁,P₂,...,P_N}，

P_n包含了该动作样本内第n帧的S×3个坐标值，以该S×3个坐标值构成向量设向量集取V中拥有最大二阶范数的向量，记其二阶范数取V中拥有最小二阶范数的向量，记其二阶范数按以下方式，对每一帧骨骼关节点的三维坐标进行标准化处理：

经过标准化处理之后，第n帧的静态姿势表示为：

以P′_n内S×3个元素构成向量并将称为第n帧的坐标向量。