[发明专利]一种基于光流定位和滑动窗口检测的多人姿态识别方法

权利要求书

1.一种基于光流定位和滑动窗口检测的多人姿态识别方法，其特征在于，所述基于光流定位和滑动窗口检测的多人姿态识别方法获取视频中图像光流向量，得到图像中运动物体的区域，利用基于身体部分的方法对运动物体区域进行人体姿态识别；以获取图像序列中光流向量为基础，利用数据和空间约束检测出图像序列之间的光流向量变化，利用鲁棒性对参数进行优化，进行迭代和矫正获得光流信息，对提取的运动区域进行滑动窗口检测，比对图像与身体部分外形模板的相似度；

利用树形结构对人体建模，将图像对人体各个部分的响应以信息传递的方式综合计算，实现人体在图像中的定位；通过回传进行人体部分的定位，使用滑动窗口的方法获取运动目标的动作时序，通过连接各个局部动作片段的特征描述整个动作序列；使用直方图相交操作来完成特征匹配识别工作；计算运动区域的对应关系，进行多人姿态识别、人数统计和人员跟踪；

利用鲁棒性对参数进行优化中，鲁棒性利用光流算法对参数进行优化，具体包括：

首先对算法所需参数赋初值进行初始化；然后根据数据约束和空间一致性约束列出目标函数，判断目标函数是否连续，若连续则直接进行鲁棒性估计，若不连续则先添加线程使之变为连续再进行鲁棒性估计，根据鲁棒性估计对参数进行优化；

最后根据超松弛参数对求得的流场进行迭代和矫正得到最终的光流估计。

2.如权利要求1所述的基于光流定位和滑动窗口检测的多人姿态识别方法，其特征在于，对提取的运动区域进行滑动窗口检测中，需进行局部窗口匹配的动作识别，所述局部窗口匹配的动作识别包括：通过对视频流中的运动目标进行光流检测定位以及局部模型匹配，对运动目标进行3D骨架提取，通过特征重构编码，使用特征直方图的方式对特征进行表示，通过对直方图的识别链接，进行对人体姿态的识别。

3.如权利要求1所述的基于光流定位和滑动窗口检测的多人姿态识别方法，其特征在于，获取数据约束的子函数，I(x,y,t)＝I(s+uδt,y+vδt,t+δt)，(u,v)表示点(x,y)在时间t时的状态，(u,v)是一个点的水平和竖直方向的速度，δt很小；数据约束的目标函数为：I_x表示I对x求偏导，为目标区域；

当目标区域很小时，u＝(u,v)的解通过增加空间相干性，空间相干性的目标函数为：u_x表示u对x求偏导；结合数据约束和空间一致性约束，总目标函数为：E(u)＝E_D(u)+λE_s(u)。

4.如权利要求3所述的基于光流定位和滑动窗口检测的多人姿态识别方法，其特征在于，鲁棒性统计量的作用是查找参数和优化拟合模型；对于一幅m×m的图像，定义一个网格：

(i(s),j(s))代表点s的像素坐标；在一个拟合模型中，对于一个测试集d＝{d₀,d₁,…,d_s},s∈S，目标是找到一个参数值使得残差最小：

σ_s是尺度参数，ρ是鲁棒性估计量；正则化后的目标函数代表s在网格上的东南西北的点，σ₁和σ₂是尺度参数，ρ₁和ρ₂可能是不同的值；ρ₁和ρ₂是鲁棒性估计；

在空间约束函数中加入线程，使目标函数变为连续函数；添加一个二元线性进程l_x,n之后，新的目标函数E(u，l)：α_x和β_x分别是控制平滑项和惩罚项的常量；继续添加新的进程d_x得到新的目标函数E(u,l,d)：

从进程到鲁棒性的转换就是将鲁棒性估计量ρ添加到目标函数中；新的目标函数变为：

从鲁棒性到进程的转换加入一个异常进程函数z(x)；目标函数E(u,d,l)：

P(x)是惩罚项，d,l≥0；异常进程z(x)为：