[发明专利]一种基于自反馈基因表达式编程的人体行为识别方法

摘要

本发明公开了一种基于自反馈基因表达式编程的人体行为识别方法，该方法针对人体行为深度图像，从中提取出人体多个关节点的三维时间序列数据作为样本，利用由基因表达式编程在交叉、变异操作后再加入TIS插串操作构造得到自反馈基因表达式编程对样本进行建模，得到人体运动模型，TIS插串操作指的是在关节点运动序列头部插入函数符串；接着提取梯度信息作为模型特征。将训练样本的人体运动模型的模型特征输入至神经网络，训练得到神经网络模型作为人体行为分类器；将测试样本对应的人体运动模型的模型特征输入至上述获取的人体行为分类器中，得到人体行为识别结果。本发明具有人体行为识别准确度高及识别速度快的优点。

主权项

1.一种基于自反馈基因表达式编程的人体行为识别方法，其特征在于，步骤如下：/nS1、获取人体行为深度图像，然后从人体行为深度图像中分别提取出人体N个关节点各自对应的三维时间序列数据，作为一个样本；/nS2、利用自反馈基因表达式编程对样本进行建模，获取到样本对应的各关节点运动序列，从而得到各样本基于关节点的人体运动模型；其中所述自反馈基因表达式编程由基因表达式编程在交叉、变异操作后再加入TIS插串操作构造得到，其中TIS插串操作指的是在关节点运动序列头部插入函数符串，用于增加关节点运动序列有效位的长度增长；/n所述步骤S2中自反馈基因表达式编程对样本进行建模，得到基于关节点的人体运动模型的具体过程如下：/nS21、确定人体运动模型所需的函数符集和终结符集以及终结符个数，并设定循环终止条件；/nS22、创建随机关节点运动序列初始种群，将各关节点运动序列表达为基因表达式树；关节点运动序列由函数符集和终结符集构成，终结符集中包括关节点三维时间序列数据中时间t以及关节点三维时间序列数据的坐标分量；/nS23、计算种群中各关节点运动序列的适应值，然后通过相对误差估计模型或绝对误差模型对种群中各关节点运动序列对环境的适应能力进行评估，在评估结果符合条件的情况下，从种群选择出一定数量的个体作为父体；并且判断是否满足循环终止条件，若满足，则跳转到S26，否则进入步骤S24；/nS24、根据步骤S23选择出的父体，对种群中的关节点运动序列进行基因表达式编程的交叉、变异操作；/nS25、对种群的关节点运动序列进行TIS插串操作，得到下一代种群个体，回到步骤S23；/nS26、输出模型，得到最优染色体所表示的函数表达式，即关节点的人体运动模型；/nS3、提取人体运动模型的梯度信息作为模型特征；/nS4、通过步骤S1获取到训练样本集，并且各训练样本通过步骤S2的方式获取到各训练样本的人体运动模型，然后通过步骤S3的方式提取各训练样本的人体运动模型的模型特征；/nS5、各训练样本的人体运动模型的模型特征作为神经网络的输入，对神经网络进行训练，将训练得到的神经网络模型，作为最终的人体行为分类器；/nS6、通过步骤S1获取到测试样本，并且测试样本通过步骤S2的方式获取到测试样本的人体运动模型，然后通过步骤S3的方式提取测试样本的人体运动模型的模型特征；/nS7、将测试样本的人体运动模型的模型特征输入至步骤S5中获取到的人体行为分类器中，通过该人体行为分类器得到人体行为识别结果。/n