[发明专利]动作识别方法及装置

权利要求书

1.动作识别方法，其特征在于，包括以下步骤：

S1、视频图像的采集过程，基于网络摄像机对图像进行获取并存储于摄像头的存储设备中；

S2、获取原始视频序列，将摄像机的存储设备连接计算机，利用计算机打开视频和图像文件；

S3、动作时域分割，把连续的动作从视频中分割出来成为多个剪辑并标记为剪辑1、剪辑2、剪辑3...剪辑n，该步骤是基于自动编码器在视频序列的每帧上独立判断动作的类型；

S4、对剪辑1、剪辑2、剪辑3...剪辑n中的特征进行提取，基于密度轨迹的方法对特征进行提取和识别；

S5、对提取和识别后的特征进行处理，基于SVM对特征进行分类；

S6、输出特征，将特征输出至计算机的存储器内。

2.根据权利要求1所述的动作识别方法，其特征在于，所述视频采集过程中采用加密的安全方式对图像的获取进行保密工作。

3.根据权利要求2所述的动作识别方法，其特征在于，所述步骤S4中的密度轨迹方法还包括以下步骤：

1)剔除相机运动引起的背景光流；

2)特征归一化方式；

3)特征编码。

4.根据权利要求3所述的动作识别方法，其特征在于，所述步骤1)中还包括以下操作：

a、使用SURF特征算法匹配前后两帧的匹配点对，这里会使用人体检测，剔除人体区域的匹配点，运动量大，影响较大；

b、利用光流算法计算匹配点对，剔除人体区域的匹配点对；

c、合并SURF匹配点对和光流匹配点对，利用RANSAC随机采样序列一致性算法估计前后两帧的单应投影变换矩阵H；

d、利用矩阵H的逆矩阵，计算得到当前帧除去相机运动的状态I’＝H.inv*I；

e、计算去除相机运动后的帧I'的光流；

f、光流算法Ft。

5.根据权利要求3所述的动作识别方法，其特征在于，所述步骤2)中的特征归一化方式为：

L2范数归一化:Xi'＝Xi/sqrt(X1^2+...+Xn^2)

L1正则化后再对特征的每个维度开平方

L1范数归一化:Xi'＝Xi/(abs(X1)+...+abs(Xn))，Xi”＝sqrt(Xi')。

6.根据权利要求3所述的动作识别方法，其特征在于，所述步骤3)中的特征编码采用Fisher Vector，所述特征编码的步骤为：

A、使用高斯混合模型GMM算法提取训练集特征中的聚类信息，得到K个高斯分布表示的特征单词字典；

B、组K个高斯分布的线性组合来逼近这些测试集合的特征，设定每一个特征是d维的，需要K个高斯分布的线性组合，则一个Fisher vector的维数为(2*d+1)*K-1维；

C、计算一个视频的字典单词的视频表示向量，得到视频的特征向量。

7.动作识别方法及装置，包括计算机、处理器和存储器，其特征在于，所述处理器和存储器对应设置在计算机内，所述处理器的输出端分别连接有图像获取模块、图像处理模块、特征识别模块和特征生成模块，且图像获取模块、图像处理模块、特征识别模块和特征生成模块之间依次单向连接，所述特征生成模块的输出端单向连接有特征输出模块，所述特征输出模块与存储器之间单向连接。

8.根据权利要求7所述的动作识别装置，其特征在于，所述图像获取模块、图像处理模块、特征识别模块、特征生成模块和特征输出模块可执行权利要求1-6中的动作识别方法，所述图像获取模块是用于获取网络摄像机中采集的图像帧；图像处理模块是用于对图像帧中的目标图像的动作区域进行分隔处理，获得中间图像；特征识别模块是用于将中间图像输入动作识别模型进行关键点识别，采用密度轨迹的方法识别出动作关键点对应的动作，并将动作特征进行分类；特征生成模块是用于将分类后的动作特征信息生成三维虚拟对象；特征输出模块是用于确定动作特征并将动作特征信息分类输出至存储器中。