[发明专利]基于骨骼特征点提取的人体姿势识别方法

摘要

本发明公开了一种基于骨骼特征点提取的人体姿势识别方法，主要用于解决利用单摄像头进行人体姿势的识别问题。其实现步骤为：(1)视频输入；(2)预处理；(3)提取粗骨骼；(4)提取骨骼特征点；(5)骨骼特征点分类；(6)姿势识别；(7)输出姿势识别结果。本发明利用廓形图的像素点到边缘的最短距离获得粗骨骼，然后利用与前胸节点的距离计算骨骼特征点并分类，再根据骨骼特征点与前胸节点的相对位置信息进行姿势判断。能够在只有单摄像头的视频流输入的情况下，避免大量的计算判断出人体动作。本发明的优势在于计算量小，硬件要求低，准确率高，适应性强。

主权项

1.一种基于骨骼特征点提取的人体姿势识别方法，其具体实现步骤如下：(1)视频输入：(1a)将摄像头拍摄的视频图像输入计算机，按照视频拍摄顺序逐帧读取视频图像，得到图像信息；(2)预处理：(2a)使用核化相关滤波器KCF追踪算法,从当前帧图像中裁剪包含人体廓形的矩形图像；(2b)将裁剪后的矩形图像等比例缩放至宽度150像素的矩形图像，使用OneCut图像切割算法，从矩形图像中提取人体廓形图C；(3)提取粗骨骼：(3a)计算人体廓形图C中每个像素点到人体廓形图C的人体轮廓边缘的最短欧式距离，并用每个像素点的最短欧式距离替换该最短欧式距离的人体廓形图C像素点的像素值，获得人体廓形图D；(3b)遍历人体廓形图D中所有像素点，筛选出满足以下条件的像素点，加入粗骨骼像素点集合S中：其中，D(p)表示人体廓形图D中像素点p的像素值，D(q)表示人体廓形图D中像素q的像素值，Q表示像素点p的8连通域，表示任意符号，∈表示属于符号；(3c)遍历人体廓形图D中所有像素点，选择像素值最大的像素点作为前胸节点E；(3d)判断计数器是否达到上限值20，若是，保留前胸节点E的坐标值，并将计数器清0；否则，计数器加1，比较上一帧的前胸节点E_i‑1的y轴坐标值和当前帧的前胸节点E_i的y轴坐标值，将y轴坐标值更小的前胸节点赋给当前帧的前胸节点E；(4)提取骨骼特征点：(4a)遍历粗骨骼像素点集合S中的节点，计算每个节点与前胸节点E的欧式距离，将满足以下条件的节点加入到骨骼特征点点集合F中：其中，d_chest(p)表示节点p与前胸节点E的欧式距离，表示存在符号，n表示在{1,2,3…}范围内的一个正整数，∈表示属于符号；(4b)遍历骨骼特征点集合F，计算每个骨骼特征点到其它骨骼特征点的欧式距离；(4c)选取骨骼特征点之间欧式距离小于4的两个骨骼特征点，从骨骼特征点集合F中删除所选的两个骨骼特征点，将以所选的两个骨骼特征点为端点的线段的中点，作为新的骨骼特征点加入到骨骼特征点集合F中；(4d)判断骨骼特征点集合F中每个骨骼特征点到其它骨骼特征点的欧式距离是否均小于4，若是，则执行步骤(4c)；否则，执行步骤(5)；(5)骨骼特征点分类：(5a)创建三个空的特征点集合，分别为躯干特征点集合M，左肢特征点集合L，右肢特征点集合R；(5b)遍历骨骼特征点集合F，将满足以下条件的骨骼特征点加入躯干特征点集合M中：|p_x‑E_x|≤5其中，p_x表示骨骼特征点p的x轴坐标值，E_x表示前胸节点E的x轴坐标值，|·|表示取绝对值操作；(5c)遍历躯干特征点集合M，以躯干特征点集合M中所有特征点为参数，使用最小二乘法进行直线拟合，获得直线k；(5d)遍历骨骼特征点集合F，计算每个骨骼特征点到直线k的距离，将到直线k的欧式距离小于5的骨骼特征点加入到集合M中；(5e)遍历躯干特征点集合M，计算躯干特征点集合M中每个节点到直线k的欧式距离，将到直线k的欧式距离大于5的节点从躯干特征点集合M中删除；(5f)遍历骨骼特征点集合F，比较每个骨骼特征点的x轴坐标值和前胸节点的x轴坐标值的差值的大小，将差值小于0的骨骼特征点加入到左肢特征点集合L，将差值大于0的骨骼特征点加入到右肢特征点集合R；(5g)遍历左肢特征点集合L，将属于躯干特征点集合M的特征点从左肢特征点集合L中删除；(5h)遍历右肢特征点集合R，将属于躯干特征点集合M的特征点从右肢特征点集合R中删除；(6)姿势识别：(6a)遍历躯干特征点集合M，计算集合中特征点的y轴坐标值的最大值和最小值的平均值，将平均值作为人体腰部高度；(6b)遍历左肢特征点集合L和右肢特征点集合R，比较两个集合中特征点的y轴坐标值与人体腰部高度，将y轴坐标值大于人体腰部高度的特征点删除；(6c)遍历左肢特征点集合L和右肢特征点集合R，计算特征点的距离特征和夹角特征，并将得到的距离和夹角特征保存到各个特征点的特征信息中；(6d)按照左肢特征点集合L和右肢特征点集合R中各个特征点的夹角特征从小到大的顺序，对左肢特征点集合L和右肢特征点集合R进行排序，将与相邻特征点的夹角特征差值大于30度的特征点从所在的集合中删除，得到筛选掉噪声骨骼特征点后的特征点集合；(6e)按照左肢特征点集合L和右肢特征点集合R中各个特征点的距离特征从小到大的顺序，对左肢特征点集合和右肢特征点集合进行排序；(6f)依次遍历左肢特征点集合L和右肢特征点集合R，比较步骤(6c)中计算的各特征点夹角特征，将夹角递减的特征点集合对应肢体识别为上举姿势，将夹角递减的幅度识别为对应肢体上举的幅度；将夹角递增的特征点集合对应肢体识别为下垂姿势，将夹角递增的幅度识别为对应肢体下垂的幅度；将夹角维持在大于80度小于100度的区间内的特征点集合对应的肢体识别为平举姿势；(7)输出各姿势识别结果。