[发明专利]基于SURF高效匹配核的人体运动跟踪方法

摘要

本发明公开了一种基于SURF高效匹配核人体运动跟踪方法，主要解决现有技术中恢复人体运动姿态不准确的问题。其实现过程是：输入视频图像，提取人体部位框图；对人体部位框图在不同图像尺度下提取SURF特征点；随机采样提取的特征点构成视觉词汇的初始向量基；对初始向量基使用带约束的奇异值分解获得最大核函数特征；对不同图像尺度下的最大核函数特征进行加权获得所有图像尺度下的特征；选择类似高斯分布的特征作为SURF高效匹配核特征；学习SURF高效匹配核特征和三维姿态的映射关系，实现对新的视频图像的跟踪。本发明跟踪快速，结果精确，计算量小，节省特征提取时间的优点，可用于运动捕获，人机交互，视频监控，人体目标识别和三维姿势恢复。

主权项

一种基于Speed Up Robust Feature SURF高效匹配核的人体运动跟踪方法，包括如下步骤：(1)输入待处理训练及测试视频集，并将该视频集转换为连续的单幅序列图像，提取出含有人体目标的图像部分，作为之后的训练样本图像；(2)将每幅训练样本图像分割为8*8像素格子，每个格子分别按16、25、31像素大小的图像尺度采样，提取所有训练图像的SURF描述子特征点F；(3)通过对所有训练图像的SURF描述子特征点F进行随机采样，获得整个训练样本500维的视觉词汇，构成视觉词汇的初始基向量R；(4)将初始基向量R，利用带约束的核奇异值分解CKSVD进行字典学习，得到最大核函数特征r；(5)通过最大化特征值提取抑制相似的最大核函数特征r，并按降序提取核函数特征值，删除最大值一样的元素，得到特征向量G，对每个不同图像尺度的图像特征G进行加权求和得到所有图像尺度上的特征G′；(6)储存所有尺度的特征G′，选择G′中类似高斯分布的低维特征g′，作为最终图像的SURF高效匹配核特征X；(7)使用SURF高效匹配核特征X进行人体运动姿势的跟踪，对输入视频图像进行三维运动姿势估计，并将估计到的三维运动姿势数据恢复成关节点骨架作为最终的跟踪结果。