The invention discloses a human behavior recognition method based on 3D joint point sequence, which includes the following steps for a given human motion sequence: step 1, extracting the intra-frame offset and inter-frame offset of the motion-guided node; step 2, converting it into a \visual word\ by the clustering center of the offset feature set A high-dimensional feature vector is obtained by aggregating the difference between all codebooks and offset vectors. Step 3. Supervised hash mapping based on fused feature analysis model generates hash codes and classifies them by K-nearest neighbors.
【技术实现步骤摘要】
一种基于3D关节点序列的人体行为识别方法
本专利技术属于计算机视觉和模式识别领域,尤其涉及一种基于3D关节点序列的人体行为识别方法。
技术介绍
基于计算机视觉技术的人体行为识别在人类生活的众多领域得到广泛应用,如视频监控、运动检索、人机交互、智能家居以及医疗保健等。传统的基于RGB相机获取视频序列进行行为识别的方法有很多,取得了较好的识别结果,但是基于RGB信息获取的人体行为数据存在多方面的缺陷:1)复杂背景、遮挡、阴影、尺度变化以及不同的光照条件下所获得的行为数据;2)同样的行为数据随投影采样视角的变化呈现出的不确定性;3)不同类行为数据存在视觉相似性的同时,同类行为数据表现出行为主体的多样性。这些固有缺陷限制了基于RGB信息的人体行为识别的性能的进一步提升。随着科技的发展,传感器技术在过去几年得到迅速的发展,给我们带来了高清的深度相机,例如微软公司的Kinect和华硕公司的XtionPROLIVE。这在很大程度上弥补了感知过程中将三维行为信息投影为二维视觉信息时的维度信息缺失。此外相比RGB视觉信息,深度图像可极大地减轻遮挡、复杂背景、光照条件变化所造成的数据缺陷。事实上,基于Kinect的工具包可以实时逐帧输出3D运动人体各关节点的位置。以人体骨架关节点表示的人体行为数据不会受尺度、视角、光照等变化的影响,便于识别。所以基于3D关节点序列进行行为识别成为热点研究方向。基于人体关节点序列的行为识别方法通常需计算帧间或帧内各关节点之间的偏移作为人体行为的初级特征。目前的大部分方法在此基础上设计人体行为表示模型并面临着两难的选择。一方面保持行为特征的高维度 ...
【技术保护点】
1.一种基于3D关节点序列的人体行为识别方法,其特征在于,对给定的人体运动序列,包括以下步骤:步骤1、提取基于运动引导的关节点帧内偏移和帧间偏移;步骤2、通过偏移特征集合的聚类中心将其转换为由“视觉单词”组成的码本,并聚集所有的码本与偏移向量的差获得一个高维的特征向量;步骤3、基于融合特征分析模型的监督哈希映射生成哈希编码,并采用K最近邻进行分类。
【技术特征摘要】
1.一种基于3D关节点序列的人体行为识别方法,其特征在于,对给定的人体运动序列,包括以下步骤:步骤1、提取基于运动引导的关节点帧内偏移和帧间偏移;步骤2、通过偏移特征集合的聚类中心将其转换为由“视觉单词”组成的码本,并聚集所有的码本与偏移向量的差获得一个高维的特征向量;步骤3、基于融合特征分析模型的监督哈希映射生成哈希编码,并采用K最近邻进行分类。2.如权利要求1所述的基于3D关节点序列的人体行为识别方法,其特征在于,步骤1具体为:定义是N个动作序列的训练集,ln是第n个动作序列的标签,是第n个动作序列所有帧的3D位置的集合,即:其中,i,j分别代表关节点数和帧数,表示第j帧的第i个关节点的3D位置,Jn表示第n个动作序列的总帧数。根据人体的运动结构,将人体分为五部分:左右臂、左右腿和躯干,分别计算每一部分关节点帧间的偏移。通过计算第t帧与第t-τ帧的关节点位置偏移信息获取动作序列的帧间偏移特征:此外,帧内大部分关节点之间的偏移在运动中变化较小,所以选择一些主要的关节点之间的偏移特征可以减小特征的冗余,从而减小特征维度。所以通过计算四个基点(头、脊椎、左臀、右臀)与人体运动中起主要作用的关节点的关系,生成四种帧内的偏移特征。通过计算帧内不同关节点的位置偏移信息获取动作序列的帧内偏移特征:所以九个偏移特征表示为:3.如权利要求1所述的基于3D关节点序列的人体行为识别方法,其特征在于,步骤2具体为:基...
【专利技术属性】
技术研发人员:孔德慧,孙彬,王少帆,王玉萍,王立春,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
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。