一种基于关节姿态角的人体动作分类识别方法技术

本发明专利技术提供的是一种基于关节姿态角的人体动作分类识别方法。(1)采用基于惯性传感器的动作捕捉系统获取人体动作数据信号；(2)对所采集到的人体动作数据信号进行滤波去噪、归一化预处理；(3)用异步隐马尔科夫模型对每种动作建模，训练异步隐马尔科夫模型，对其进行特征提取和选择；(4)用训练好的异步隐马尔科夫模型对输入动作进行分类识别。本发明专利技术不但解决了人体动作不存在严格划分的问题，填补了目前人体运动研究对象相对单一，没有相应的理论体系的空白。而且，由于采用关节姿态角表征人体动作特征，所以本发明专利技术所采用的特征对个体的依赖性很低，对不同的人都有比较稳健的特征，识别速度和识别率较均有较大幅度的提高。

【技术实现步骤摘要】
【专利摘要】本专利技术提供的是。(1)采用基于惯性传感器的动作捕捉系统获取人体动作数据信号；(2)对所采集到的人体动作数据信号进行滤波去噪、归一化预处理；(3)用异步隐马尔科夫模型对每种动作建模，训练异步隐马尔科夫模型，对其进行特征提取和选择；(4)用训练好的异步隐马尔科夫模型对输入动作进行分类识别。本专利技术不但解决了人体动作不存在严格划分的问题，填补了目前人体运动研究对象相对单一，没有相应的理论体系的空白。而且，由于采用关节姿态角表征人体动作特征，所以本专利技术所采用的特征对个体的依赖性很低，对不同的人都有比较稳健的特征，识别速度和识别率较均有较大幅度的提高。【专利说明】
本专利技术涉及的是一种人体运动分析方法，具体涉及一种基于关节姿态角的人体动作分类及识别方法。
技术介绍
人体动作分析是关节运动学的延伸，是人体运动学的基础，也是人体运动分析的重要组成部分。人在日常生活、生产劳动以及体育运动中的许多重要的行为都要通过人体执行动作来实现，显而易见，在体育运动中人体动作更具有重要意义，因此对于人体运动动作的研究早就引起了人们的重视。人体运动学是研究人体活动科学的领域，是描述和研究人体的运动随时间变化的规律或在运动过程中所经过的轨迹，而不考虑人体运动状态改变的原因。关节运动学属于人体运动学的范畴，关节联结人体各部位的环节，是人体运动的枢纽，它是传递载荷、保持能量、使人体做正常运动的重要器官，其中以肩、肘、腕、髋、膝、踝为六大主要关节。人体运动学目前仅对人体的运动作了区分，主要有三种方法M，第一种是将人体简化为质点，按照质点的运动轨迹将人体运动分类为平动、转动和复合运动；第二种是按关节将人体简化为多刚体模型，将人体关节的运动分为屈曲/伸展、内收/外展、内旋/外旋、旋前/旋后和内翻/外翻；第三种是视人体为上肢、头、躯干、下肢组成的多环节铰链形式，将上肢运动分为推、拉和鞭打，下肢运动分为缓冲、蹬伸和鞭打，全身运动分为摆动、躯干扭转和相向运动等形式。人体运动学对人体运动的区分实质上仅是对人体姿态进行了微观分类，而一般的运动研究都是针对人体连贯运动，即有意义的运动的，由于上述的分类方法将人体运动划分为若干个不具意义的姿态，即不能够表现人体意图，因此它并不适用于人体日常活动、生产劳动和体育运动中对人体运动的研究。人体运动分析是用于描述、识别人体动作、人与人之间、人与外界环境之间的交互行为的技术，目前主流的人体运动分析是基于视觉的运动分析，主要步骤有运动目标检测、运动目标分类、人体运动跟踪以及动作识别或行为识别等，其中人体动作识别或行为识别是人体运动分析的输出，也是最终的判别结果，识别率表征着整个运动分析过程的有效性，因此对待识别的人体动作的定义显得尤为关键。对人体动作进行准确定义并按其定义采集训练样本，对识别率的提高很有帮助。目前虽然已有可用于人体运动分析研究的人体动作库，但其内含的动作从分类采集到存储均是按动作库创建者个人的理解进行的，因此这些动作没有统一的定义，各个动作区分也没有严格的规范，甚至动作库中存在人体姿态、动作、行为等概念混淆的现象。鉴于人体运动学和人体运动分析技术都不能对人体动作进行严格的定义和分类，本专利技术提出一种基于关节姿态角的人体动作分类及识别方法，首先在关节运动学的基础上，对人体执行动作时的运动状态作了分析，再对人体运动姿态进行识别。由此得出具有意义的、组成人体运动的基本单元——人体动作的分类及识别方法。与专利技术相关的公开报道包括:Aggarwal J K，Cai Q.Human motion analysis: A review.Nonrigid andArticulated Motion Workshop, 1997，Proceedings.，IEEE, 1997:90-102. Newe 11 K M.Kinesiology !Challenges of multiple agendas .Quest, 2007，59 (I): 5-24. Hami Iton N，Luttgens K，Weimar W.Scientific Basis of HumanMotion.2002.Herzog Wj Longino D.The role of muscles in joint degeneration andosteoarthritis.Journal of biomechanics, 2007，40:S54_S63.黎洪松，李达.人体运动分析研究的若干新进展.模式识别与人工智能，2009，22(1):70-78. Peursum P，Venkatesh S，West G.Tracking-as-recognition for articulatedful1-body human motion analysis .1EEE Conf.Computer Vision and PatternRecognition, 2007:1-8.Zerger A，Freudenberger Dj Thackway R，et al.VegTrack:a structuredvegetation restoration activity database .Ecological management&restoration, 2009， 10⑵:136-144。
技术实现思路
本专利技术的目的在于提供一种识别速度快和识别率高的基于关节姿态角的人体动作分类识别方法。本专利技术的目的是这样实现的:(1)采用基于惯性传感器的动作捕捉系统获取人体动作数据信号；(2)对所采集到的人体动作数据信号进行滤波去噪、归一化预处理；(3)用异步隐马尔科夫模型对每种动作建模，训练异步隐马尔科夫模型，对其进行特征提取和选择；(4)用训练好的异步隐马尔科夫模型对输入动作进行分类识别。本专利技术首先，采用基于惯性传感器的动作捕捉系统采集人体动作信号，对人体动作信号进行滤波去噪、归一化等预处理；然后，再用异步隐马尔科夫模型对每种动作进行建模，进而训练异步隐马尔科夫模型，最后，用训练好的异步隐马尔科夫模型对输入动作进行分类识别。不但解决了人体动作不存在严格划分的问题，填补了目前人体运动研究对象相对单一，没有相应的理论体系的空白。而且，由于采用关节姿态角表征人体动作特征，所以本专利技术所采用的特征对个体的依赖性很低，对不同的人都有比较稳健的特征，识别速度和识别率较均有较大幅度的提高。本专利技术的主要贡献和特点在于:为基于关节姿态角的人体动作分类及识别方法提供新的思路。对人体动作采用主要关节的姿态角发生的改变进行表征，并对按一定规律组合构成人体运动的人体基本动作进行分类，填补了人体姿态不能够表现人体意图和复杂多变的人体运动不适于定量化描述之间的空白。本专利技术采用关节姿态角表征人体动作特征，对个体的依赖性很低，对不同的人都有比较稳健的特性。【专利附图】【附图说明】图1为基于惯性传感器的人体动作识别框架图；图2为动作捕捉系统结构图；图3(a)-图3(c)为采集的原始姿态角信号图；图4(a)-图4(c)为平滑滤波后的姿态角信号图；图5为异步隐马尔科夫组成示意图；图6为基于异步隐马尔科夫模型的动作识别的原理框图；图7为人体基本轴和基本面示意图；图8为取不同状态时的本文档来自技高网...

【技术保护点】
一种基于关节姿态角的人体动作分类识别方法，其特征是：(1)采用基于惯性传感器的动作捕捉系统获取人体动作数据信号；(2)对所采集到的人体动作数据信号进行滤波去噪、归一化预处理；(3)用异步隐马尔科夫模型对每种动作建模，训练异步隐马尔科夫模型，对其进行特征提取和选择；(4)用训练好的异步隐马尔科夫模型对输入动作进行分类识别。

【技术特征摘要】

【专利技术属性】
技术研发人员：王科俊，胡金裕，乌日娜，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23