[发明专利]一种人体动作识别方法

说明书

本发明提出一种动作识别方法，包括正则化坐标系，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；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作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；计算测试动作样本与每个参考动作样本的匹配代价，找出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。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。

技术领域

本发明涉及一种人体动作识别方法，属于人体动作识别技术领域。

背景技术

机器视觉是当前人工智能领域的一个重要研究方向，其中基于机器视觉的动作识别在人机交互、虚拟现实、视频检索和安防监控等领域中有着十分广泛的应用。随着深度相机等相关技术的发展，人们可以便捷地获取深度图像并从中提取出人体骨骼关节点信息。基于人体骨骼关节点的动作识别相较于传统的基于二维图像的动作识别有着显著的优越性。尽管基于人体骨骼关节点的动作识别研究已经取得了许多令人瞩目的进展，但动作识别仍然是一项非常具有挑战性的工作。

一个完整的动作序列是由一系列帧的动作信息按动作发生的时间顺序组合而成的，利用这一系列帧中的动作信息进行动作特征的提取是动作识别的核心内容。然而，在做同一类型的动作时，由于动作实施者完成动作的速度不同，使得动作序列的长短不同，即帧数不同。此外，不同的动作实施者做同一类型的动作时，在动作发生的不同阶段，动作的速度也会有差异。建立一个动作序列中的每一帧与另一个动作序列中的每一帧的帧间对应关系，才能更好地衡量两个帧数不同的动作序列的相似程度。通过省略或者重复部分帧可以对动作序列进行压缩或扩展，使得两个动作序列的帧数相等。但是，这种方法不仅损失了部分动作信息，还破坏了动作在时间上的形态，即动作的某些阶段变长，而某些阶段变短，这会降低动作识别的准确率。因此，动作识别方法应当能对同类型动作在时间长度和时间形态上的差异有着良好的适应性。

针对上述动作识别算法的问题，提出一种基于时间序列匹配的动作识别方法。

发明内容

本发明是为解决现有技术中的问题而提出的，技术方案如下，

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。

优选的，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。

优选的，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帧的静态姿势可以通过S个骨骼关节的坐标来表示，具体表示方法为：