The invention discloses a method for motion recognition, including the establishment of a motion database; the frame image motion databases in the stack, then the auto encoder input, the training of auto encoder; then by training the neural network pattern recognition, establish the depth of the neural network; the frame image to be identified through action extraction. To be identified image compared with the depth of the neural network, and the output of the recognition results. This method solves the problems of high time cost, long training time, high hardware requirement, large data storage space and timely capture in the existing technology.
【技术实现步骤摘要】
一种运动识别方法
本专利技术属于计算机视觉和人工智能
;涉及一种运动识别方法;具体的涉及一种基于自动编码器和模式识别神经网络的人体运动识别方法。
技术介绍
人体运动识别是计算机视觉和人工智能领域的热点问题,具有广泛的应用前景,受到很多学者和研究者的关注。同时,由于问题本身的复杂性和不确定性,运动识别仍然是一个非常具有挑战性的课题。许多动作识别方法着重于构建有效的描述符或特征,并对基于特征匹配进行分类。以前的动作识别方法主要包括两类,即:动作特征表示和分类。其中特征表示是识别动作的关键任务。运动序列特征表示通常被分为全局表示和局部表示。全局功能记录总图像的演示。然而,全局特征经常受到阻塞、角度变化和噪音的干扰。基于全局的特征包括:基于视觉的呈现,基于轮廓的描述符,基于边缘的特征和运动历史图像(MHI)等。局部特征经常用于独立的描述小块,并将小块组合在一起构建时空模型,如HOG和SURF。局部描述符可以更有效地呈现动作视频,特别是对于噪声图像和部分遮挡图像。然而,处理相关的兴趣点会产生高时间成本。同时很多常规方法被应用于对人类行为进行分类。例如:一种多类SVM分类器,它使用动态规划来分割序列。局部描述符被组合成用于动作识别的SVM。K-最近邻分类器用于预测动作标签。然而,这些常规识别方法都不能及时捕获动态时空序列信息。此外,已经建立的许多基于深度学习的算法来理解静止图像的含义,卷积神经网络(CNN)已被证明是识别静止图像的有力工具。但是,相对于动作序列图像识别来说是比较困难。一种运动的二维表示通过将序列组合成单个图像,称为二进制运动图像(BMI)。对于分 ...
【技术保护点】
一种运动识别方法,其特征在于,包括以下步骤:步骤1,建立训练动作数据库,并且获取所有训练动作的帧图像;步骤2,将帧图像的动作图像和背景图像进行分割,得到动作图像;步骤3,按照区间序列估算动作图像的目标轮廓,并将同一区间序列的目标轮廓排列在一起,得到多个叠加图像集;步骤4,将叠加图像集作为自动编码器的输入,对自动编码器进行训练;步骤5,基于特征信号构建和训练模式识别神经网络;步骤6,组合自动编码器和模式识别神经网络,得到深度神经网络;步骤7,提取待识别动作所有的帧图像,得到待识别的帧图像;步骤8,将待识别的帧图像的动作图像和背景图像进行分割,得到待识别的动作图像;步骤9,按照区间序列估算待识别的动作图像的目标轮廓,并将同一区间序列的目标轮廓排列在一起,得到待识别叠加图像集;步骤10,通过深度神经网络对待识别叠加图像集进行识别,并输出结果。
【技术特征摘要】
1.一种运动识别方法,其特征在于,包括以下步骤:步骤1,建立训练动作数据库,并且获取所有训练动作的帧图像;步骤2,将帧图像的动作图像和背景图像进行分割,得到动作图像;步骤3,按照区间序列估算动作图像的目标轮廓,并将同一区间序列的目标轮廓排列在一起,得到多个叠加图像集;步骤4,将叠加图像集作为自动编码器的输入,对自动编码器进行训练;步骤5,基于特征信号构建和训练模式识别神经网络;步骤6,组合自动编码器和模式识别神经网络,得到深度神经网络;步骤7,提取待识别动作所有的帧图像,得到待识别的帧图像;步骤8,将待识别的帧图像的动作图像和背景图像进行分割,得到待识别的动作图像;步骤9,按照区间序列估算待识别的动作图像的目标轮廓,并将同一区间序列的目标轮廓排列在一起,得到待识别叠加图像集;步骤10,通过深度神经网络对待识别叠加图像集进行识别...
【专利技术属性】
技术研发人员:肖秦琨,司阳,李兴,高嵩,
申请(专利权)人:西安工业大学,
类型:发明
国别省市:陕西,61
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。