【技术实现步骤摘要】
本专利技术属于人体行为分析方法
,尤其涉及一种固定位人体行为分析方法。
技术介绍
目前国际上固定位人体行为识别主要有四类问题难以解决:1、动作类内类间变化太大;2、多视角和遮挡问题;3、训练数据难以获取;4、算法实时性。为了解决以上难题,我们在当前国际上优秀的算法基础上开发出了一套基于HAR_plus算法上的固定位人体行为分析方法。
技术实现思路
本专利技术的目的在于克服现有技术存在的不足,而提供一种具有归一化、不变性特点的固定位人体行为分析方法。本专利技术的目的是通过如下技术方案来完成的,包括如下步骤:1)、将人体检测的目标或扫描窗口进行HOG特征提取;2)、将人体检测的目标或扫描窗口进行CSS特征提取;3)、遍历图像的每一个位置,提取HOG和CSS特征,输入训练好的SVM进行判断是否是人体,如是则进行SVM人体检测;4)、对检测到的人体图像进行CNN人体二次确认;5)、对人体图像内的关键部位上标上landmark关键点并连接起来,组成关于人体或人脸的一个整体描述进行形状回归;6)、所得到关于目标姿态的一系列landmark关键点,通过landmark关键点之间的相对位置进行MHCRF行为识别。作为优选,所述的HOG特征提取的提取过程为:1)、将人体检测的目标或扫描窗口的图像看做一个x,y,z的三维图像并灰度化;2)、采用Gamma校正法对输入图像进行颜色空间的归一化; ...
【技术保护点】
一种固定位人体行为分析方法,其特征在于:包括如下步骤:1)、将人体检测的目标或扫描窗口进行HOG特征提取;2)、将人体检测的目标或扫描窗口进行CSS特征提取;3)、遍历图像的每一个位置,提取HOG和CSS特征,输入训练好的SVM进行判断是否是人体,如是则进行SVM人体检测;4)、对检测到的人体图像进行CNN人体二次确认;5)、对人体图像内的关键部位上标上landmark关键点并连接起来,组成关于人体或人脸的一个整体描述进行形状回归;6)、所得到关于目标姿态的一系列landmark关键点,通过landmark关键点之间的相对位置进行MHCRF行为识别。
【技术特征摘要】
1.一种固定位人体行为分析方法,其特征在于:包括如下步骤:
1)、将人体检测的目标或扫描窗口进行HOG特征提取;
2)、将人体检测的目标或扫描窗口进行CSS特征提取;
3)、遍历图像的每一个位置,提取HOG和CSS特征,输入训练好的SVM进行判断是否是人
体,如是则进行SVM人体检测;
4)、对检测到的人体图像进行CNN人体二次确认;
5)、对人体图像内的关键部位上标上landmark关键点并连接起来,组成关于人体或人
脸的一个整体描述进行形状回归;
6)、所得到关于目标姿态的一系列landmark关键点,通过landmark关键点之间的相对
位置进行MHCRF行为识别。
2.根据权利要求1所述的固定位人体行为分析方法,其特征在于:所述的HOG特征提取
的提取过程为:
1)、将人体检测的目标或扫描窗口的图像看做一个x,y,z的三维图像并灰度化;
2)、采用Gamma校正法对输入图像进行颜色空间的归一化;
3)、计算图像每个像素的梯度、大小和方向;
4)、将图像划分成小cell;
5)、统计每个cell的梯度直方图,即可形成每个cell的descriptor;
6)、将每几个cell组成一个block,一个block内所有cell的特征descriptor串联起来
便得到该block的HOG特征descriptor;
7)、将图像image内的所有block的HOG特征descriptor串联起来就可以得到该image的
HOG特征descriptor。
3.根据权利要求1所述的固定位人体行为分析方法,其特征在于:所述的CSS特征提取
的提取过程为:
1)、定义一个矩形块R1,提取某个通道内该矩形块内数值之和SumR1=Σ(x,y∈R1)S(x,y)]]>CSS特征为R1与相邻的矩形块R2的比值:
F(R1,R2)=SumR1/SumR2]]>矩形块R1和R2大小相同位置不同,对它进行拓展:
TF(R1,R2)=F(R1,R2),F(R1,R2)≥11/F(R1,R2),F(R1,R2)<1]]>对某一...
【专利技术属性】
技术研发人员:虞永方,王海波,沈伟听,师小宇,
申请(专利权)人:浙江博天科技有限公司,
类型:发明
国别省市:浙江;33
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。