一种基于视频数据的人体动作分析方法技术

本发明专利技术中提出的一种基于视频数据的人体动作分析方法，其主要内容包括：数据输入、空间动作评价、时间动作路径提取、行动建议生成，其过程为，首先使用UCF‑Sports数据进行训练，使用Olympic sports dataset数据进行测试，将输入的数据进行包括人体评价和运动评价的空间动作评价，获得动作分数，再通过时间动作路径生成和联系完成动作路径，最后获得行动建议结果。本发明专利技术可以处理不同姿态的人体动作和生成动作建议，提供一个贪婪搜索算法来解决行动路径生成，同时提高了建议产生的精度和建议的效率。

【技术实现步骤摘要】

本专利技术涉及人体动作分析领域，尤其是涉及了一种基于视频数据的人体动作分析方法。
技术介绍
视频动作分析是了解人类活动的一个重要研究课题，近年来得到了广泛的关注。视频动作分析的一个共同的任务是动作识别，它的目的是确定哪一种类型的动作发生在视频中。和动作识别相比，动作检测是一个非常困难的任务，它不仅要求确定动作类型，而且还分析语意信息。视频行动分析如今仍然是一个具有挑战性的问题。由于任务中涉及的复杂的时空关系建模，这个问题可以视为有两个基本步骤，即空间(例如：帧级)动作评价和时间的(例如：视频级)动作路径生成。一方面，由于动作种类的多样性和人类行为的变化，很难产生有意义的帧级动作建议和判别。其他方面，事实上，通常在每一帧的潜在动作区域总数，视频的持续时间呈指数增长，这对动作分析造成了一定难度。本专利技术提出了一种基于空间动作评价和时间动作路径提取的新框架。使用UCF-Sports数据进行训练，使用Olympicsportsdataset数据进行测试，将输入的数据进行包括人体评价和运动评价的空间动作评价，获得动作分数，再通过时间动作路径生成和联系完成动作路径，最后获得行动建议结果。本专利技术可以处理不同姿态的人体动作和生成动作建议，提供一个贪婪搜索算法来解决行动路径生成，同时提高了建议产生的精度和建议的效率。
技术实现思路
针对解决在无约束视频剪辑中搜索行动建议的问题，本专利技术的目的在于提供一种基于视频数据的人体动作分析方法，提出了一种基于空间动作评价和时间动作路径提取的新框架。为解决上述问题，本专利技术提供一种基于视频数据的人体动作分析方法，其主要内容包括：(一)数据输入；(二)空间动作评价；(三)时间动作路径提取；(四)行动建议生成。其中，所述的数据输入，包括训练和测试两部分，其中使用UCF-Sports数据进行训练，使用Olympicsportsdataset数据进行测试；(1)UCF-Sports数据集有10种动作，150段短视频，已被广泛用于动作定位；(2)Olympicsportsdataset：该数据库有16种行为，783段视频，。其中，所述的空间动作评价，包括人体评价、运动评价和动作分数计算。进一步地，所述的评价，包括具有评价指标，评价是基于行动建议与地面实况G之间的平均IoU值，它被定义为：其中Gt和分别是在第t帧检测的包围盒和地面实况，o(…)是IoU值，|C|是一组帧，其中的检测结果或地面实况不为空；当时，则行动建议为阳性组；η是指定的阈值，η设置为0.5。进一步地，所述的人体评价，包括执行训练数据，旋转每个训练样本，分别为从到的七个不同的角度，间隔为表示在第t框的第i个动作的包围盒，包围盒表示为[x,y,w,h]，其中w和h分别代表宽度和高度，(x,y)是中心；培训结束后，每个包围盒在测试视频中的概率可以通过CNN网络评价；通过设置一个概率阈值，具有更高概率的人类建议，保持用于后续处理。进一步地，所述的动作评价，包括利用运动线索排除阴性行动建议；光流直方图(HOF)描述符是用来描述每个人的运动建议；基于HOFs构建了两个高斯混合模型(GMMs)，Gp(.)和Gn(.)，分别代表了阳性和阴性建议，预测属于动作或地面实况的运动模式的概率；HOFs计算相交单元(IoU)包围盒，重叠与地面实况超过0.5作为阳性样品，而那些重叠小于0.1为阴性样品；给定一个测试方案和它的HOFhi，定义的可能性作为一个运动评分，使用两个高斯模型的混合物的预测：σ＝1/(1+e-x)映射可能性的范围为[0,1]。进一步地，所述的动作分数计算，包括一个包围盒动作评分由人体检测评分和运动评分两部分组成，定义如下：λp是平衡人类评价和运动评价评分的参数。其中，所述的时间动作路径提取，包括动作路径生成和联系、动作路径完成，步骤如下：(1)动作路径生成在每一个框架上的行动建议，找到一组行动路径P＝{p1,p2,…,pi本文档来自技高网...

【技术保护点】
一种基于视频数据的人体动作分析方法，其特征在于，主要包括数据输入(一)；空间动作评价(二)；时间动作路径提取(三)；行动建议生成(四)。

【技术特征摘要】
1.一种基于视频数据的人体动作分析方法，其特征在于，主要包括数据输入(一)；空间动作评价(二)；时间动作路径提取(三)；行动建议生成(四)。2.基于权利要求1所述的数据输入(一)，其特征在于，包括训练和测试两部分，其中使用UCF-Sports数据进行训练，使用Olympicsportsdataset数据进行测试；(1)UCF-Sports数据集有10种动作，150段短视频，已被广泛用于动作定位；(2)Olympicsportsdataset：该数据库有16种行为，783段视频。3.基于权利要求1所述的空间动作评价(二)，其特征在于，包括人体评价、运动评价和动作分数计算。4.基于权利要求3所述的评价，其特征在于，包括具有评价指标，评价是基于行动建议与地面实况G之间的平均IoU值，它被定义为：其中Gt和分别是在第t帧检测的包围盒和地面实况，o(…)是IoU值，|C|是一组帧，其中的检测结果或地面实况不为空；当时，则行动建议为阳性组；η是指定的阈值，η设置为0.5。5.基于权利要求3所述的人体评价，其特征在于，执行训练数据，旋转每个训练样本，分别为从到的七个不同的角度，间隔为表示在第t框的第i个动作的包围盒，包围盒表示为[x,y,w,h]，其...

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：广东;44