The present invention in an action recognition method based on object section, the main contents include: pretreatment and obtain the initial attitude and attitude estimation, tracking and action recognition, the process is to extract the object of interest, from the input image, pre-processing and obtain the initial attitude; in an initial attitude the screening into the best as the final pose estimation; then using particle filter to solve the tracking problem; finally learning predictor, special feature extraction will be described, and output forecast action categories. The invention of illumination and occlusion has little effect on recognition, improve the recognition efficiency; it can automatically identify the animal or human action, to solve the traditional recognition action method takes time, manpower and material resources problem.
【技术实现步骤摘要】
一种基于节体对象的动作识别方法
本专利技术涉及动作识别领域,尤其是涉及了一种基于节体对象的动作识别方法。
技术介绍
随着科学技术的高速发展与社会进步,人们的日常生活中对于动作识别的需求越来越大。比如识别在视频监控中的某个人物的某一动作,分析篮球比赛中的投篮动作以及其他资料中动物、人类的动作分析等,而人为地去看这些视频、图片会耗费时间、人力和物力,效率很低。而如果采用智能的动作识别,则可以自动对视频图像数据中的动作进行标注。动作识别技术还可以用于许多领域,比如自动对互联网上的视频进行动作标注,公共场合的智能监控,司机姿势的监控,人群中危险姿势的监控,通过人体动作的自动识别调用家具设备的相应功能,或者是监控老人,小孩的安全情况等。本专利技术提出了一种基于节体对象的动作识别方法,先从输入的图像中提取感兴趣对象的点,进行预处理和获得初始姿态;在生成的多个初始姿态中筛选成最佳的作为最终估计姿态;接着利用粒子滤波器解决跟踪问题;最后利用学习预测器,提取将要描述的专用特征,并输出预测的动作类别。本专利技术中光照、遮挡等对识别的影响较小,提高识别效率;它可以自动识别动物或人体的动作,解决了传统识别动作方法耗费时间、人力和物力的问题。
技术实现思路
针对光照、遮挡等对识别有影响的问题,本专利技术的目的在于提供一种基于节体对象的动作识别方法,先从输入的图像中提取感兴趣对象的点,进行预处理和获得初始姿态;在生成的多个初始姿态中筛选成最佳的作为最终估计姿态;接着利用粒子滤波器解决跟踪问题;最后利用学习预测器,提取将要描述的专用特征,并输出预测的动作类别。为解决上述问题,本专利技术提供 ...
【技术保护点】
一种基于节体对象的动作识别方法,其特征在于,主要包括预处理和获得初始姿态(一);姿态估计(二);跟踪(三);动作识别(四)。
【技术特征摘要】
1.一种基于节体对象的动作识别方法,其特征在于,主要包括预处理和获得初始姿态(一);姿态估计(二);跟踪(三);动作识别(四)。2.基于权利要求书1所述的预处理和获得初始姿态(一),其特征在于,假设在输入深度图像或补丁中存在一个且只有一个节体对象,从图像中提取感兴趣对象的点,通过设置这些姿势作为基础关节对象的主姿态来获得初始姿态;对于每个初始姿态,通过从(-π,π)上的均匀分布扰动平面内基础关节的方向来生成对象的初始取向。3.基于权利要求书1所述的姿态估计(二),其特征在于,包括测试和训练。4.基于权利要求书3所述的测试过程,其特征在于,给定一组nt个训练图像,定义为J个关节集合的第j个关节的训练图像的平均偏差;偏差Δθj表示估计姿态和地面真实姿态之间的变化量;全局误差函数可以被定义在评估来自平均偏差的和的一组示例中,例如以下形式其中,‖·‖2是欧氏空间中的标准向量范数;假设每个J关节有C个循环或迭代,给定测试图像和初始姿态估计,对于来自基本关节的长度J的运动链,每个关节j∈{1,…,J},在当前循环c∈{1,…,C}处,关节的当前姿态将由lie群动作纠正,其中扭曲rj(c)是本地回归者的输出换句话说,表示速记符号和可以通过以下的左组动作来更新第j个关节空间坐标,其中是最近的组元素,用于进一步校正在循环c的第c个关节的空间位置;在测试运行时,为每个输入图像生成多个初始姿态,通过逆运动学回归,产生相应的候选姿势;这些输出姿态将通过度量来筛选,挑选其中最佳姿态将作为最终估计姿态。5.基于权利要求书3所述的训练过程,其特征在于,在训练阶段,以与测试阶段相同的方式获得输入图像的一组K个初始姿态;训练数据集的每个示例由一个实例组成:一对姿态包括估计姿态和地面真实姿态以及其标记:估计与地面真实的偏差θj,如对于第一关节j=1(运动链中的基本关节)和第一个循环c=1,示例的标签将是从初始姿态的第一关节到地面真实的第一关节的变化量;然后在所有循环c通过执行当前部分运动学模型直到前一个循环c-1获得其对应的初始姿态。6.基于权利要求书1所述的跟踪(三),其特征在于,粒子滤波器可以解决跟踪问题,考虑离散的时间步长t,并且使用x表示潜在随机变量,用y观察它;跟踪对象的状态(即,在时间t的估计姿态)被表示为xt,并且其函数关系为x1:t=(x1,…,xt);类似地,当前观察被表示为yt,其函数关系被表示为y1:t=(y1,…,yt);基本的一阶时间马尔可夫链诱导条件独立性,其定义为p(xt|x1:t-1)=p(xt|xt-1);遵循这种状态空间动态模型的典型因式分解,有以及...
【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
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。