基于最大几何流向直方图的人体运动跟踪方法

摘要

本发明公开了一种基于最大几何流向直方图的人体运动跟踪方法，主要解决现有特征提取方法在人体轮廓和边缘表述的模糊性，不能反映特征内在几何结构与纹理模式等缺陷。实现过程是：输入待处理视频图像，提取一个主要人体部位框图；对图像进行二维多尺度小波变换；利用四叉树划分和自底向上融合法则寻找最优几何流方向；对量化后的最优几何流方向信号做一维小波变换，重组为二维形式，得到系数矩阵；统计每区域9方向的几何流系数强度直方图作为最终图像特征表示；由回归过程学图像特征到三维运动数据的映射关系，对新的训练视频图像预测并恢复三维姿态。本发明计算快速，结果精确，加强了图像特征鲁棒性，可用于人体目标识别，检测和姿势重建。

主权项

1.一种基于最大几何流向直方图的人体运动跟踪方法，其特征在于包括以下步骤：(1)将输入待处理训练以及测试视频图像集转换为连续单幅序列图，识别一个主要人体目标并提取出含有人体的矩形框体，作为之后处理的训练样本图像；(2)对每个训练样本图像进行二维离散正交小波变换并得到图像子带信息，正交小波变换的层数为L＝1；(3)对小波变换后的图像，各子带分别建立四叉树分割，各分割区域大小最小为4*4图像子块，提取每个分割区域内的最佳几何流方向；(4)使用一维离散变换，对每个分割区域内的几何流方向按最佳方向投影误差值从小到大重排步骤(2)中得到的图像子带信息，得到变换后信号f_θ；(5)计算变换后信号f_θ的量化值的量化系数Q(x)，此处量化值完全由量化系数Q(x)构成，计算公式为：$Q\left(x\right)=\left\{\begin{array}{cc}0& \left|x\right|\le T\\ \mathrm{sign}\left(x\right)·(q+0.5)·T& \mathrm{qT}\le \left|x\right|\le (q+1)T\end{array}\right.$其中，x为信号f_θ的系数，Q(x)为量化值的量化系数，T为量化阈值，且q∈Z，q为常量参数，Z是整数域；(6)对量化后各图像子块实施Bandelet化，得到Bandelet系数，同时计算出每个图像子块上的最佳几何流方向，并将Bandelet系数按原始二维图像方式排列成矩阵形式；(7)对该图像二维矩阵形式划分成横向纵向均为4等分的网格，每个格子分9等分，按方向统计在各方向Bandelet系数强度的投票信息，构成最大几何流向直方图统计特征；(8)以最大几何流向直方图统计特征，进行人体运动姿势的机器学习跟踪，对输入视频图像进行包括20个关节点的空间三维运动姿势的估计，将估计到的三维运动姿势数据恢复成图像形式的关节点骨架作为最终的跟踪结果。