[发明专利]一种基于动作字典学习的人体动作检测方法

摘要

本发明提供一种基于动作字典学习的人体动作检测方法。在训练阶段，利用局部特征表示方法提取不同视频片段中的人体动作特征，通过训练学习一个具有较强判别力的人体动作字典；在对动作字典进行建模时不仅考虑了重构误差，还考虑了新的误差项使得建模更优；在测试阶段，时空滑动窗口遍历整段视频得到的滑动窗口的稀疏编码，并根据稀疏编码中对于不同字典项的响应值来判断时空滑动窗口中是否包含某一人体动作。本发明不需要负样本即可训练得到人体动作字典，训练过程简单快速。

主权项

一种基于动作字典学习的人体动作检测方法，其特征在于，包括以下步骤：步骤1)采集训练样本，将样本中的彩色图像转化为灰度图像，并统一视频片段的空间分辨率和时长；步骤2)计算每段视频的局部三值模式LTP特征，得到一个高维特征矢量y0＝(y1,...,yn)T；n表示高维特征矢量的总维数，()T表示转置；步骤3)将每段视频的LTP特征左乘一个随机度量矩阵A进行降维，即y＝Ay0，将其从n维降到m维，降维后的特征构成特征矩阵Y；其中随机度量矩阵A各元素aij服从均值为0，方差为1的高斯分布；m＜＜n，＜＜表示远小于，满足m比n至少小一个数量级为远小于；步骤4)动作字典模型训练：4‑1)动作字典D表示为下式：D＝[D1,D2,…,DM]＝[d1,1,d1,2,…,d1,L,…,dk,1,dk,2,…,dk,L,…,dM,1,dM,2,…,dM,L]其中，动作字典D是由M类人体动作对应的M个子字典组成，是第k类人体动作对应的子字典，K表示动作字典D中所有字典项数目，L＝K/M为各个子字典中的字典项数目，是字典项，K＞＞M，＞＞表示远大于，满足K比M至少大一个数量级为远大于；建立动作字典学习模型，如下式：<D,W,A,X>=argminD,W,A,X||Y-DX||22+α||Q-AX||22+β||H-WX||22s.t.∀i||xi||0≤T]]>其中，argmin表示取目标函数取最小值时的参数值，Y为特征矩阵，D表示待学习的动作字典，W表示分类器参数，A表示随机度量矩阵，X表示稀疏矩阵，稀疏矩阵中的列xi对应为样本特征的稀疏编码，i＝1,2…,N，N表示训练样本总数，α、β为权重系数，H为标示矩阵，标示矩阵中每列hi分别对应一类人体动作的标示向量，H＝[h1,…,hN]∈Rm×N，Q为判别矩阵，判别矩阵中每列分别对应一个训练样本属于某类人体动作的判范数别向量，Q＝[q1,…,qN]∈RK×N，||·||2表示2范数，s.t.表示约束条件，T表示稀疏度阈值，表示任意号，||·||0表示l0范数；4‑2)利用基于核奇异值分解K‑SVD算法通过迭代求解：已知量未知中间量经过有限步迭代求得中间量D′后，将中间量D′带入动作字典学习模型得到最终的最优化的动作字典D、随机度量矩阵A，分类器参数W；其中，K‑SVD算法中迭代运算初始值通过如下方法确定：从M类人体动作中随机抽取样本，利用K‑SVD算法得到M类人体动作各自的初始字典从而构造出动作字典的初值根据每个字典项的标号以及训练样本的类标号确定判别矩阵Q、标示矩阵H；再利用正交匹配跟踪算法得到训练样本的初始稀疏矩阵X；随机度量矩阵的初值A0＝(XXT+λ2I)‑1XQT；分类器参数的初值W0＝(XXT+λ1I)‑1XHT；步骤5)人体动作检测：时空滑动窗在待测视频序列中滑动，分别统计时空滑动窗中图像对应的稀疏编码在动作字典中各子字典中字典项上的响应之和，判断最高的字典项的响应值是否大于等于阈值，如是，则将响应值最高且超过阈值的字典项所对应的类别作为当前人体动作检测结果，否则，判断当前无人体动作。