基于骨架信息的时不变及视不变的人体行为识别方法

摘要

本发明公开一种基于骨架信息的时不变及视不变的人体行为识别方法，先提取相同视频长度的人体行为视频段；从视频的每一帧中提取表达人体行为的二十个关节信息；根据视频每一帧中二十个关节的信息计算处理得出以两髋中心为基准的特征向量HCBV，角度特征向量AV及相对位置特征向量PRPV；采用支持向量机分类器分别对以两髋中心为基准的特征向量HCBV进行分类识别，对角度特征向量AV进行分类识别，对相对位置特征向量PRPV行分类识别，得出各个行为类别的识别概率；最后对以两髋中心为基准的特征向量HCBV、角度特征向量AV及相对位置特征向量PRPV得出的各个行为类别的识别概率进行加权求和融合得到行为的识别结果。本发明识别方法简单直观，识别正确率高，识别时间短。

主权项

一种基于骨架信息的时不变及视不变的人体行为识别方法，其特征在于：包括以下步骤：1)提取人体行为视频段，并将不同长度的视频段规范化到一个固定的视频长度；2)根据所得的固定长度的视频提取骨架信息，即从视频的每一帧中提取表达人体行为的二十个关节信息；3)根据每一帧中提取表达人体行为的二十个关节信息提取三个特征向量，即从视频每一帧中二十个关节的信息计算处理得出以两髋中心为基准的特征向量HCBV，角度特征向量AV及相对位置特征向量PRPV，所述以两髋中心为基准的特征向量HCBV，以每一帧两髋中心关节为坐标原点，计算该帧其他关节到原点的距离d，仰角φ和方位角θ三个参数，将该视频所有帧中除原点以外的其他关节到原点的距离d，仰角φ和方位角θ三个参数串接即为HCBV；所述角度特征向量AV是将该视频所有帧中两相邻关节之间的夹角串接而成的向量；所述相对位置特征向量PRPV是将该视频所有帧中某一关节相对于其他关节之间的相对位置串接而成的向量；4)对得到的三个特征向量分别进行分类识别：采用支持向量机分类器分别对以两髋中心为基准的特征向量HCBV进行分类识别，对角度特征向量AV进行分类识别，对相对位置特征向量PRPV行分类识别，得出各个行为类别的识别概率；5)对各行为类别的识别概率进行融合：对以两髋中心为基准的特征向量HCBV、角度特征向量AV及相对位置特征向量PRPV得出的各个行为类别的识别概率进行加权求和融合得到行为的识别结果，其中以两髋中心为基准的特征向量HCBV的权值为0.4，角度特征向量AV的权值为0.3，相对位置特征向量PRPV的权值为0.3。