[发明专利]基于姿态估计的人体行为识别方法

摘要

本发明公开了一种基于姿态估计的人体行为识别方法，主要解决现有技术在视频人体行为中处理速度过慢的问题。其实现步骤是：1.利用Open‑pose方法对视频中人体进行姿态估计，提取视频中每帧人体关节点位置坐标；2.根据每帧人体关节点位置坐标，计算相邻两帧人体关节点距离变化量矩阵；3.将视频进行分段，利用每段视频距离变化量矩阵生成视频特征；4.将数据集中视频分为训练集和测试集两部分，用训练集的视频特征训练分类器，利用训练好的分类器对测试集中的视频进行分类。本发明提高了视频中人体行为识别的速度，可用于智能视频监控、人机交互、视频检索。

主权项

1.一种基于姿态估计的人体行为识别方法，包括：(1)提取视频中每帧人体关节点位置坐标：(1a)利用Open‑pose方法对视频中每帧人体进行姿态估计，得到人体脖子、胸部、头部、右肩、左肩、右臀部、左臀部、右手肘、左手肘、右膝盖、左膝盖、右手腕、左手腕、右脚踝和左脚踝这15个关节点的位置坐标，其中第k个关节点的坐标表示为Lk＝(xk,yk)，k从1到15；(1b)对每个关节点的位置坐标进行归一化；(1c)用归一化之后的15个关节点位置坐标构成坐标矩阵P，P＝[(x1,y1),(x2,y2),...,(xk,yk),...,(x15,y15)],其中(xk,yk)表示第k个关节点归一化之后的坐标；(2)计算相邻两帧人体关节点距离变化量矩阵：(2a)根据相邻两帧的坐标矩阵P_n和P_n‑1，计算相邻两帧关节点位置坐标变化量矩阵(2b)根据关节点位置坐标变化量矩阵计算关节点距离变化量矩阵D；(3)生成视频特征：(3a)按照视频的时间长度将视频平均分成4段，将每一段视频中相邻两帧产生的距离变化量矩阵D相加，得到各段累计距离变化量矩阵Di，i从1到4；(3b)对Di进行L2归一化，得到归一化之后的Di'；(3c)将累计距离变化量矩阵Di'串联起来作为整个视频的特征：F＝[D1',D2',D3',D4']；(4)训练分类器对视频进行分类：(4a)把sub‑JHMDB数据集的视频分成训练集和测试集两部分，将训练集视频的特征输入到支持向量机中进行训练，得到训练好的支持向量机；(4b)把测试集视频的特征输入到训练好的支持向量机中得到分类结果。