A human behavior recognition method based on spatiotemporal distribution of motion history point clouds is presented. It includes generating MHPC, generating STDM, extracting HOG feature vectors, training and testing KELM classifier, and finally the output of KELM classifier is the result of human action classification. The invention can obtain information from different viewpoints of human motion, and increases the robustness to the change of motion angle. Using spatio-temporal distribution map to represent human action is more comprehensive than depth motion map, and the extracted features are more discriminative. The extracted HOG features can effectively represent the human action categories, and solve the problem of complex feature extraction using point cloud. The extreme learning machine based on Gaussian kernel function is adopted, which has the advantages of high classification accuracy and fast learning speed.
【技术实现步骤摘要】
一种基于时空分布图的人体行为识别方法
本专利技术属于计算机视觉和图像处理
,具体涉及一种基于时空分布图(STDM)的人体行为识别方法。
技术介绍
人体行为识别在智能视频监控、视频内容检索、人体运动分析、辅助医疗等领域有着广泛的应用,国内外的专家学者对此进行了大量的研究。最初行为识别的方法大多是基于传统的RGB信息,产生了人体关键姿态、剪影、时空特征等方法。但是由于RGB信息易受光照、相机角度、背景变化等因素的影响,使得行为识别仍然面临着挑战。近些年来随着深度传感器的发展,使得深度图像获取技术得到普及。相比于彩色图像,深度图像仅与物体的空间位置有关,能够直接反映物体表面的三维特征,并且不易受光照变化、颜色和纹理的影响。利用深度图像的人体行为识别方法大致包括,将深度图像进行投影生成深度运动图像(Depthmotionmap,DMM)的方法、将深度图像映射为点云数据后提取特征的方法。将一个深度图像序列中的每一帧深度图像投影到三个正交的笛卡尔坐标平面上,可相应地得到前视图mapf,侧视图maps,俯视图mapt。将上述得到的三个投影视图序列的相邻帧做差分运算,然后取绝对值累加,可得到深度运动图像(DMM)。DMM计算简单,但是只包含三个视角下的动作信息,因此不能方便地获得其他视角下的动作信息。动作的空间和时间信息对动作识别有重要的影响,但是DMM捕获的只是运动过程中动作的空间能量分布,缺少动作的时间能量分布。将深度图像映射为点云数据进行人体行为识别的方法,由于得到的点云数据量庞大,给提取点云特征带来极大的困难。中国专利第201610208016.0中公开了一 ...
【技术保护点】
1.一种基于时空分布图的人体行为识别方法,其特征在于:所述的方法包括按顺序进行的下列步骤:(1)将每个人体动作样本中已经提取前景的多帧深度图像通过坐标映射得到每帧深度图像的点云,然后将其填充到MHPC中,直到遍历完所有帧的深度图像得到该动作的MHPC,以记录动作发生的空间与时间信息;(2)将MHPC直接投影到三个正交的笛卡尔坐标平面,分别是XOY平面、YOZ平面和XOZ平面,生成三个STDM,然后将MHPC沿顺时针和逆时针方向绕X轴、Y轴和Z轴中的任一轴旋转θ度至少一次并投影到笛卡尔坐标系的XOY平面,每一次旋转后投影生成至少两个STDM;(3)从上述人体动作样本的所有STDM中提取出HOG特征向量,并进行串联而组合成该人体动作样本最终的HOG特征向量;(4)选取所有人体动作样本中的部分样本为训练样本,剩余样本为测试样本,将训练样本的HOG特征向量输入到KELM分类器中进行训练,然后将测试样本得到的HOG特征向量输入上述已训练好的KELM分类器中进行测试,得到分类结果。
【技术特征摘要】
1.一种基于时空分布图的人体行为识别方法,其特征在于:所述的方法包括按顺序进行的下列步骤:(1)将每个人体动作样本中已经提取前景的多帧深度图像通过坐标映射得到每帧深度图像的点云,然后将其填充到MHPC中,直到遍历完所有帧的深度图像得到该动作的MHPC,以记录动作发生的空间与时间信息;(2)将MHPC直接投影到三个正交的笛卡尔坐标平面,分别是XOY平面、YOZ平面和XOZ平面,生成三个STDM,然后将MHPC沿顺时针和逆时针方向绕X轴、Y轴和Z轴中的任一轴旋转θ度至少一次并投影到笛卡尔坐标系的XOY平面,每一次旋转后投影生成至少两个STDM;(3)从上述人体动作样本的所有STDM中提取出HOG特征向量,并进行串联而组合成该人体动作样本最终的HOG特征向量;(4)选取所有人体动作样本中的部分样本为训练样本,剩余样本为测试样本,将训练样本的HOG特征向量输入到KELM分类器中进行训练,然后将测试样本得到的HOG特征向量输入上述已训练好的KELM分类器中进行测试,得到分类结果。2.根据权利要求1所述的基于时空分布图的人体行为识别方法,其特征在于:在步骤(1)中,所述的将每个人体动作样本中已经提取前景的多帧深度图像通过坐标映射得到每帧深度图像的点云,然后将其填充到MHPC中,直到遍历完所有帧的深度图像得到该动作的MHPC的方法是:将一个人体动作序列作为一个人体动作样本,每个人体动作样本中包含N帧深度图像,将该人体动作样本中已经提取前景的深度图像从图像坐标系映射到相机坐标系得到各自的点云,运动历史点云是由每帧深度图像得到的点云填充而生成。3.根据权利要求1所述的基于时空分布图的人体行为识别方法,其特征在于:在步骤(2)中,所述的将MHPC直接投影到三个正交的笛卡尔坐标平面,分别是XOY平面、YOZ平面和XOZ平面,生成三个STDM,然后将MHPC沿顺时针和逆时针方向绕X轴、Y轴和Z轴中的任一轴旋转θ度至少一次并投影到笛卡尔坐标系的XOY平面,每一次旋转后投影生成至少两个STDM的方法是:在生成STDM的过程中需将x,y,z坐标值进行归一化为某固定值后作为STDM的坐标值;首先将MHPC投影到笛卡尔坐标XOY平面上,根据投影后同一坐标下重叠点的分布情况,生成...
【专利技术属性】
技术研发人员:张良,刘婷婷,李玉鹏,
申请(专利权)人:中国民航大学,
类型:发明
国别省市:天津,12
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。