【技术实现步骤摘要】
本专利技术涉及模式识别
，具体而言是一种基于体感摄像机的人体活动识别 的特征提取方法。
技术介绍
人体活动理解在运动训练、康复工程、人机工效学、游戏与动画制作、安全监控等 方面得到了广泛应用。人体活动是人体肢体语言的主要部分，通过身体和四肢活动既可以 表达人的思想实现沟通，也可以反馈身体的健康状态，还可以捕获生物的运动规律。 人体活动理解的核心技术主要是目标识别算法。目前为止，理论上的有益探索使 得基于传统2D亮度信息的活动识别算法取得了一定的成功。然而，真实世界的活动仍然受 到多视点、尺度变化、平移变换、外貌变化、光照变化、复杂背景等的挑战。基于RGB图像的 方法在复杂背景中感知人体的关节姿势的形状方面遇到巨大的障碍。当目标颜色和纹理不 一致时，深度信息有别于RGB外貌信息成为人类识别活动的重要线索。其主要原因是深度 信息对于光照和颜色改变较为鲁棒，且表述简单。然而，早期的深度传感器昂贵且由于使用 激光而不便于在人的环境中使用。从2010年起，微软公司提供的商品化、廉价的且便于使 用的Kinect，使得利用3D深度数据直接广泛应用在人体活动识别中成为可能。然而，由于 人体的非刚性、运动方式的多样性、位移的随意性，实时、鲁棒地识别人体仍面临着很多挑 战。 现有技术中，基于体感摄像机的动作特征提取主要有两类方法：一类利用体感摄 像机SDK (Software Development Kit,软件开发包）获取骨豁信息作为特征；另外一类从 原始深度图像数据中提取图像特征。前者主要受限于骨架提取的准确性，后者仅利用深...
【技术保护点】
一种基于体感摄像机的人体活动识别的特征提取方法，其特征在于，包括S1：从体感摄像机的彩色图像序列中，提取人体活动时空兴趣点p，其坐标为(x,y,t)；S2：以人体活动时空兴趣点p为中心，计算彩色图像序列中光流直方图HOF特征和梯度直方图HOG特征；S3：从体感摄像机的深度图像序列中，找到对应的人体活动时空兴趣点p，以人体活动时空兴趣点p为中心，计算局部深度特征LDP；S4：将人体活动时空兴趣点p的光流直方图HOF特征、梯度直方图HOG特征和局部深度特征LDP连接起来，组成特征Sp＝(x,y,t,HOG,HOF,LDP)。
【技术特征摘要】
1. 一种基于体感摄像机的人体活动识别的特征提取方法，其特征在于，包括 51 :从体感摄像机的彩色图像序列中，提取人体活动时空兴趣点P，其坐标为（x，y，t); 52 :以人体活动时空兴趣点p为中心，计算彩色图像序列中光流直方图HOF特征和梯度 直方图HOG特征； 53 :从体感摄像机的深度图像序列中，找到对应的人体活动时空兴趣点p，以人体活动 时空兴趣点P为中心，计算局部深度特征LDP ; 54 :将人体活动时空兴趣点p的光流直方图H0F特征、梯度直方图HOG特征和局部深度 特征LDP连接起来，组成特征S p = (X，y，t，HOG, HOF, LDP)。2. 如权利要求1所述的基于体感摄像机的人体活动识别的特征提取方法，其特征在 于，所述计算彩色图像序列中光流直方图H0F特征的方法为：以人体活动时空兴趣点p为中 心，将局部时空小块按X，y，t方向均分成3X3X2共18个小格，将0度至360度的光流方 向划分成〇度至90度、90度至180度、180度至270度和270度至360度这四个主方向，夕卜 加一个光流量为零的方向；计算每个像素位置...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。