一种固定位人体行为分析方法技术

一种固定位人体行为分析方法，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）、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；本发明专利技术具有不变性、归一化的优点，特别适合于做图像中的人体检测。

【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；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。作为优选，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CSS特征为R1与相邻的矩形块R2的比值：矩形块R1和R2大小相同位置不同，对它进行拓展：对某一位置的R1和它邻近的24个相同大小的矩形块作比较来提取特征，共可以提取到48维特征；2)、遍历所有位置；3)、遍历所有颜色通道；4)、遍历所有矩形块大小；5)、得到最终的高维CSS特征向量。作为优选，所述的形状回归的步骤包括训练步骤和测试步骤，分别如下：训练步骤1)、准备一定数量的目标样本图片以及对应的关键点形状标记数据，并计算所有样本的平均形状作为训练学习时候的初始形状；2)、确定迭代回归次数T，然后循环步骤3)-4)迭代训练T次，得到T个模型；3)、采用局部二值特征的方法学习得到LBF特征；4)、采用全局线性回归矩阵的方法学习得到线性回归矩阵；5)、保存T个模型，保存初始的平均形状；测试步骤1)、输入一张包含目标的样本测试图片以及目标的外接矩形框；2)、载入初始的平均形状，按照步骤3)-4)迭代T次；3)、提取LBF特征；4)、根据公式ΔSt＝WtΦt(I，St-1)计算形状的位移，把它累加在当前的形状上；5)、得到关键点已经对齐的最终形状。作为优选，所述的MHCRF行为识别包括视频特征的提取和目标行为的识别，其具体步骤如下：视频特征的提取步骤如下：1)、对某一视频序列窗口[t–w，t+w]内的一帧，提取其目标的landmark关键点；2)、将landmark关键点连接成一棵树，计算树上每两个节点之间的坐标差dx，dy；3)、所有节点的坐标差联立成一个向量x；4)、对视频序列窗口中的每一帧，都重复步骤1)-3)，并按照时间先后顺序联立成一个特征向量X；采用MHCRF识别目标行为的步骤如下：1)、收集所有视频序列窗口样本，根据视频特征提取叙述的方法提取每一个样本的特征向量X；2)、设定好隐藏状态个数等参数，根据MHCRF训练叙述的方法进行模型训练；3)、提取待识别视频序列窗口的特征向量X；4)、根据MHCRF测试叙述的方法进行行为识别。本专利技术的有益效果为：首先，由于HOG是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上；其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果，因此HOG特征是特别适合于做图像中的人体检测的。附图说明图1是本专利技术的分析方法步骤示意图。图2是本专利技术的HOG特征提取步骤中的直方图示意图。图3是本专利技术的block的HOG特征的示意图。图4是本专利技术的MHCRF模型示例图。具体实施方式下面将结合附图对本专利技术做详细的介绍：如附图1所示，本专利技术包括如下步骤：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。所述的HOG特征提取的具体每一步详细过程如下：1)标准化gamma空间和颜色空间为了减少光照因素的影响，首先需要将整个图像进行规范化(归一化)。在图像的纹理强度中，局部的表层曝光贡献的比重较大，所以，这种压缩处理能够有效地降低图像局部的阴影和光照变化。因为颜色信息作用不大，通常先转化为灰度图；Gamma压缩公式：I(x，y)＝I(x，y)gamma比如可以取Gamma＝1/2；2)计算图像梯度计算图像横坐标和纵坐标方向的梯度，并据此计算每个像素位置的梯度方向值；求导操作不仅能够捕获轮廓，人影和一些纹理信息，还能进一步弱化光照的影响。图像中像素点(x,y)的梯度为：Gx(x，y)＝H(x+1，y)-H(x-1，y)Gy(x,y)＝H(x,y+1)-H(x本文档来自技高网...

【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