[发明专利]基于运动历史点云生成的深度运动图的人体行为识别方法

摘要

一种基于运动历史点云生成的深度运动图的人体行为识别方法。其包括生成MHPC；生成DMM；提取HOG特征向量；训练和测试SVM分类器，最后SVM分类器的输出即为人体动作分类结果等步骤。本发明能够获得人体动作不同视角下的信息，增加了对人体动作角度变化的鲁棒性。用运动历史点云投影生成深度运动图时进行坐标归一化操作，增加了对动作类内差异的鲁棒性；从由运动历史点云投影生成的深度运动图中提取的HOG特征能够有效地表征人体动作类别，解决了利用点云提取特征复杂的问题。

主权项

1.一种基于运动历史点云生成的深度运动图的人体行为识别方法，其特征在于：所述的方法包括按顺序进行的下列步骤：(1)将每个人体动作样本中已经提取前景的多帧深度图像通过坐标映射得到每帧深度图像的点云，然后将其填充到MHPC中，直到遍历完所有帧的深度图像得到该动作的MHPC，以记录动作发生的空间与时间信息；(2)将MHPC直接投影到三个正交的笛卡尔坐标平面，分别是XOY平面、YOZ平面和XOZ平面，生成三个DMM，然后将MHPC沿顺时针和逆时针方向绕X轴、Y轴和Z轴中的任一轴旋转θ度至少一次并投影到笛卡尔坐标系的XOY平面，每一次旋转后投影生成至少两个DMM；(3)从上述人体动作样本的所有DMM中提取出HOG特征向量，并进行串联而组合成该人体动作样本最终的HOG特征向量；(4)选取所有人体动作样本中的部分样本为训练样本，剩余样本为测试样本，将训练样本的HOG特征向量输入到SVM分类器中进行训练，然后将测试样本得到的HOG特征向量输入上述已训练好的SVM分类器中进行测试，最后得到人体动作分类结果。