【技术实现步骤摘要】
一种基于空间匹配的3D骨骼动作识别方法
本专利技术涉及3D骨骼动作识别领域，即基于空间匹配的动作识别方法。
技术介绍
动作识别在诸如智能安防、人机交互、无人驾驶等应用领域具有关键作用。很长一段时间，RGB图像都是动作识别的信息来源。随着深度相机的出现以及深度图像估测技术的发展，动作识别中出现了新的分支，即3D骨架动作识别。3D骨架关节点数据是在深度图像的基础之上通过估测技术得到的，具有光照变化不敏感的特性。当前存在的3D骨骼动作识别大多都专注与提取具有区分度的特征以描述每个骨骼部位的变化特点，再计算对应部位的动作特征相似性，用以进行动作识别。然而，动作在执行时，各个部位之间不是独立存在，而是协同配合以完成某个动作。这些协同信息在以往的方法中常被忽略。3D骨骼动作识别准确率还具有上升的空间。
技术实现思路
本专利技术的目的是提供一种基于空间匹配的3D骨骼动作识别方法，该方法通过简单有效的步骤挖掘出能够表达动作模式的骨骼关节点对，通过匹配的方法获取有效特征，实现3D骨骼动作识别准确率的提升。本专利技术的目的是这样实现的：一种基于空间匹配的3D骨骼动作识别方法，特点是通过计...
【技术保护点】
1.一种基于空间匹配的3D骨骼动作识别方法，具体包括以下步骤：步骤1：以经过预处理后的深度相机获取的动作骨骼关节点序列为输入；步骤2：每个关节点的坐标和时间帧级联成特征；步骤3：计算每一个动作序列中，骨骼关节点之间的空间相对距离；步骤4：根据降序，选取top‑K个骨骼关节点对，并得到对应的指示矩阵；步骤5：根据指示矩阵，使用平均池化获取匹配后的特征；步骤6：根据指示矩阵和匹配后的特征计算MSCKernel；步骤7：计算匹配前的特征对应的MSCKernel，并与匹配后计算的MSCKernel进行融合，最后放入SVM进行动作分类。
【技术特征摘要】
1.一种基于空间匹配的3D骨骼动作识别方法，具体包括以下步骤：步骤1：以经过预处理后的深度相机获取的动作骨骼关节点序列为输入；步骤2：每个关节点的坐标和时间帧级联成特征；步骤3：计算每一个动作序列中，骨骼关节点之间的空间相对距离；步骤4：根据降序，选取top-K个骨骼关节点对，并得到对应的指示矩阵；步骤5：根据指示矩阵，使用平均池化获取匹配后的特征；步骤6：根据指示矩阵和匹配后的特征计算MSCKernel；步骤7：计算匹配前的特征对应的MSCKernel，并与匹配后计算的MSCKernel进行融合，最后放入SVM进行动作分类。2.根据权利要求1所述的3D骨骼动作识别方法，其特征在于，所述步骤1中的动作骨骼关节点序列为各关节点的三维空间坐标。3.根据权利要求1所述的3D骨骼动作识别方法，其特征在于，所述步骤3中计算每一个动作序列中，骨骼关节点之间的空间相对距离公式为：其中，表示N帧时长的动作序列上点关节点i和关节点j之间的距离均值；而且，Dist(t,(i,j))表示在t时刻，骨骼关节点i和j之间的空间距离，即：xi(t)，yi(t)，zi(t)表示关节点i在t时刻的坐标值。4.根据权利要求1所述的3D骨骼动作识别方法，其特征在于，所述步骤4中得到对应的指示矩阵，具体包括：1)将所有的关节点对对应的空间相对距离进行降序排列；2)选取第K大的空间相对距离为阈值ε，大于等于该阈值则为1，否则为0，得到指示矩阵H，其中，对角元素皆为0：5.根据权利要求1所述的3D骨骼动作识别方法，其特征在于，所述步骤5中的平均池化为：其中，Ci表示动作...
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。