[发明专利]一种基于运动统计特征分析的关键姿态提取方法

摘要

一种基于运动统计特征分析的关键姿态提取方法涉及运动目标检测域。本发明将金字塔LK光流方法应用于举重运动视频中，建立了4个时空通道描述子，将统计分析特性应用于举重运动，而且发现每个通道强度的最值点处和要提取的关键姿态有着紧密的联系。对于教练希望详细查看、分析的关键帧画面以及对于运动员举重的训练具有重大意义。

主权项

一种基于运动统计特征分析的关键姿态提取方法，其特征在于，步骤如下：1)获得以人物为中心的视频序列；2)在每一帧图像上按7*7窗口大小，对像素点进行采样；3)以采样到的点为特征点进行金字塔Lucas‑Kanade光流跟踪；令point[0][i]为前一帧的采样点坐标，point[1][i]为光流跟踪该点的当前图像帧中的坐标，则：dist＝point[1][i]‑point[0][i]i＝0,1,2.....(width/7)*(height/7)  (1)其中dist为采样点的运动矢量，i为每帧图像中采样点的位置；width为图像宽度，height为图像高度，连接点point[1][i]和点point[0][i]，就得到了光流运动的矢量图，以dist的大小为尺度，以point[0][i]为左上角坐标点，在7*7区域内标定亮度，得到了运动的显著性图；4)根据3)中dist运动矢量，将光流跟踪的结果分解成四个分量水平正方向Fx+、水平负方向Fx‑、垂直正方向Fy+、垂直负方向Fy‑，建立4个通道描述子；定义点运动的水平距离dx，垂直距离dy为：dx＝point[1][i].x‑point[0][i].x i＝0,1,2.....(width/7)*(height/7)  (2)dy＝point[1][i].y‑point[0][i].y i＝0,1,2.....(width/7)*(height/7)  (3)光流矢量4个通道划分：Fx+(t,i)=dxifdx>0.1Fx-(t,i)=-dxifdx<-0.1Fy+(t,i)=dyifdy>0.1Fy-(t,i)=-dyifdy<-0.1i=0,1,2.....(width/7)*(height/7)t=1,2.......flast---(4)]]>width，height代表图像的宽度和高度，其中i代表每帧图像中采样的像素点的位置，t代表当前图像在运动视频序列中的帧号，flast为该视频序列中最后一帧图像，dx为光流跟踪的运动矢量在水平方向的运动，dy为光流跟踪的运动矢量在垂直方向的运动；Fx+(t,i)代表在x水平正方向通道中第t帧图像中，第i个采样点的运动距离值；Fx‑(t,i)代表在x水平负方向通道中第t帧图像中，第i个采样点的运动距离值；Fy+(t,i)代表在y垂直正方向通道中第t帧图像中，第i个采样点的运动距离值；Fy‑(t,i)代表在y垂直负方向通道中第t帧图像中，第i个采样点的运动距离值；然后统计每个通道的当前帧所有采样点的强度：Fx+(t)=Σi=0i=(width/7)*(height/7)Fx+(t,i)---(5)]]>其中t为代表当前图像在运动视频序列中的帧号，i为每帧图像中采样点的位置，Fx+(t,i)代表在x水平正方向第t帧图像中，第i个采样点的运动距离值，Fx+(t)为在t帧图像中水平正方向Fx+所有采样点的运动距离和，Fx‑(t)为在t帧图像中水平负方向Fx‑所有采样点的运动距离和，Fy+(t)为在t帧图像中垂直正方向Fy+所有采样点的运动距离和，Fy‑(t)为在t帧图像中垂直负方向Fy‑所有采样点的运动距离和，其中t＝1,2.......flast同理求出Fx‑(t)和Fy+(t)以及Fy‑(t)在t帧图像中水平负方向Fx‑，垂直正方向Fy+、垂直负方向Fy‑所有采样点的运动距离和，然后求出所有帧中每个通道的最大值：MaxFx+＝Max{Fx+(t,i)}，其中，i∈{0,1,2......(width/7)*(height/7)}，t∈{1,2......flast}；MaxFx+为Fx+方向上所有帧中的运动距离最大值，MaxFx‑为Fx‑方向上所有帧中的运动距离最大值，MaxFy+为Fy+方向上所有帧中运动距离的最大值，MaxFy‑为Fy‑方向上所有帧中运动距离的最大值，同理求出MaxFx‑和MaxFy+以及MaxFy‑；画出每个通道的强度变化曲线，并找出曲线最大值点处对应的关键视频帧。