[发明专利]基于深度信息的人体行为识别方法

摘要

一种基于深度信息的人体行为识别方法。其包括利用深度摄像头采集深度图像；将二维深度图像坐标系转换到三维相机坐标系下；将三维相机坐标系下三维点的X、Y、Z值赋给点云三维点的X、Y、Z值；将每个动作的多帧已转换为三维坐标后的图像以点云的存储格式填充三维体，得到三维人体运动历史体；将三维人体运动历史体分为识别和训练样本；获得训练样本的词频分布直方图和类别统计直方图，输入SVM训练确定动作分类器模型；将识别样本中的词频分布直方图输入分类器模型中进行识别操作，由此得到识别结果。本发明提供的基于深度信息的人体行为识别方法能够通过生成三维的运动历史体来解决深度值利用不够，缺少具体的空间结构信息的问题。

主权项

一种基于深度信息的人体行为识别方法，其特征在于：所述的基于深度信息的人体行为识别方法包括按顺序进行的下列步骤：(1)利用深度摄像头采集若干人在同一背景下执行多种不同动作的一系列深度图像，其中一个人的某一个动作对应于多帧深度图像，然后将这些深度图像传送给与深度摄像头相连的计算机，在计算机上从采集的每一帧深度图像中提取出作为前景的人体区域深度图像；通过设定深度值阈值的方法将上述人体区域深度图像中深度值不在深度值阈值范围内的噪声点去除；(2)将上述二维深度图像坐标系转换到三维相机坐标系下，得到人体的实际三维坐标数据；(3)将三维相机坐标系下三维点的X、Y、Z值赋给点云三维点的X、Y、Z值，以点云的存储格式表示三维坐标数据，然后将每个动作的多帧已转换为三维坐标后的图像以点云的存储格式填充三维体，得到三维人体运动历史体，由此将运动历史图像在深度方向进行拓展；(4)采用留一交叉验证方式，将上述多个三维人体运动历史体中某一人的所有三维人体运动历史体作为识别样本，其余每个人的所有三维人体运动历史体作为一个训练样本而形成多个训练样本；(5)将多个训练样本中每个三维人体运动历史体分别进行特征点提取，然后进行特征点描述而得到特征描述子，之后对特征描述子进行聚类而得到特征点词袋；然后统计训练样本中各个特征描述子在词袋中出现的次数，得到相对应的词频分布直方图，并分配所对应的动作类别标号，获得训练样本的类别统计直方图，最后输入SVM训练确定动作分类器模型；(6)对识别样本中每个三维人体运动历史体按照上一步骤方法分别进行特征点提取，然后进行特征点描述而得到特征描述子，之后采用K近邻算法将上述特征描述子归类到上述步骤(5)中已分好类且离其最近的词袋，然后统计特征描述子在每个动作中出现的次数，得到识别样本的词频分布直方图，将上述词频分布直方图输入到步骤(5)中已经训练好的SVM确定动作分类器模型中进行识别操作，得到最终识别结果。