| 主权项 |
一种基于星型模型的人体运动识别方法，包括如下步骤：(1)将Weizmann数据库中的视频按照8∶1的比例构建训练视频集X和测试视频集T，并将训练视频集X和测试视频集T中的每段视频转换为连续的单幅序列图像；(2)利用帧差法对训练视频集X中的单幅序列图像进行背景减除，并将背景减除后的彩色图像变为二值图像；(3)构造上述二值图像最左下角的像素点为坐标中心的直角坐标系o1，提取图像中人体的星型模型，并记录星型模型的5个顶点在直角坐标系o1中的位置，其中，星型模型的5个顶点为人体轮廓上的像素点和人体重心点之间距离最大的5个像素点，分别记为：(x1,y1)，(x2,y2)，(x3,y3)，(x4,y4)，(x5,y5)；(4)在上述二值图像中构造以人体重心点为坐标中心的直角坐标系o2，进行平移直角坐标系变换，并将步骤(3)中星型模型的5个顶点在直角坐标系o1中的坐标转换到直角坐标系o2中，得到这5个顶点在坐标系o2中的对应坐标，分别为(x1′,y1′)，(x′2,y′2)，(x′3,y′3)，(x′4,y′4)，(x′5,y′5)；(5)计算星型模型的5个顶点在直角坐标系o2中的坐标(x1′,y1′)，(x′2,y′2)，(x′3,y′3)，(x′4,y′4)，(x′5,y′5)到直角坐标系o2的坐标中心点的距离，依次记为d1，d2，d3，d4，d5；(6)利用上述d1,d2,d3,d4,d5中的最大值D，计算星型模型5个顶点的极径：ri＝di/D，其中i＝1,2......5，D＝max{d1,d2,d3,d4,d5}；(7)利用上述(x′1,y1′),(x′2,y′2),(x′3,y′3),(x′4,y′4),(x′5,y′5)，计算星型模型5个顶点的极角：θi＝arctan(x′i/y′i)，其中i＝1,2......5；(8)根据人体结构特征找出这5个顶点分别对应的人体部位：(8.1)将5个顶点的极径ri,i＝1,2....5，从大到小排序，找出最大两个极径对应的坐标点(x1′,y′1),(x′2,y′2)，根据人体脚到人体重心的距离最大,且左脚和右脚分布于人体重心两侧的比例结构，若x1′＞0，则判定(x′1,y′1)为左脚坐标，(x′2,y′2)为右脚坐标；(8.2)在剩余3个点顶点(x′3,y′3),(x′4,y′4),(x′5,y′5)中，根据人体头部是偏离人体重心角度最小的部位，对应极角的绝对值最大的结构，比较3个顶点对应极角θ3,θ4,θ5的绝对值的大小，若θ3绝对值最大，则(x′3,y′3)为头部坐标；(8.3)在其余两个顶点(x′4,y′4),(x′5,y′5)中，若x′4＞0，则判定(x′4,y′4)为左脚坐标，(x′5,y′5)为右脚坐标；(9)按照上述步骤(2)~(8)将一个运动视频中的所有序列图片都做如上处理，得到一个视频中所有图片中人的5个部位的极径和极角；(10)将极径的取值范围等分为5个连续的子区间，极角的取值范围等分为10个连续的子区间，将极径的5个子区间和极角的10子区间分别两两组合，构成50个联合子区间，分别统计步骤(9)得到的一个视频的所有图片中人的5个部位的极径和极角的值落在这50个联合子区间中的次数，得到5个部位的位置特征向量，分别记为n1，n2，n3，n4，n5，将5个部位的位置特征向量级联，得到一个运动视频的最终特征N＝{n1，n2，n3，n4，n5}；(11)按照上述步骤(2)~(10)提取训练视频集X和测试视频集T中的所有运动视频的最终特征，获得训练视频特征集X*和测试视频特征集T*；(12)利用SVM算法对训练视频特征集X*进行训练学习得到分类器，将测试视频特征集T*输入到分类器中，得到各类运动的分类结果。 |
