【技术实现步骤摘要】
基于关键帧和随机森林回归的人体上半身动作识别方法
本专利技术涉及一种基于关键帧和随机森林回归的人体上半身动作识别方法，属于计算机模式识别
技术介绍
虽然近年来人们基于Kinect人体骨架的人体动作识别方面进行了一系列研究，核心技术就是通过Kinect捕获人体运动姿势，然后进行人体动作识别和分析。但仍然有识别准确率不高、鲁棒性弱、扩展性不强等缺点。当骨骼的关节点被遮挡时，Kinect骨骼识别方面并不是完全的精确。相对于人体下半身，上半身姿势和动作所能表达的信息更丰富，但是，基于Kinect的人体上半身动作的识别方法很少，其中多数方法是在无关节遮挡的情况下来识别，有的方法在关节遮挡的情况下进行识别，但识别的动作较少且识别率不高。因此，需要一种在上半身关节被遮挡的情况下还能识别动作的方法。人体全身动作(或姿势)的识别方法很多，有的研究者基于深度图像进行人体姿势识别的研究[1-4]；[1]Xia,L.；Chen,C.C.andAggarwal,J.K.“HumandetectionusingdepthinformationbyKinect”.//inIEEECo...
【技术保护点】
1.一种基于关键帧和随机森林回归的人体上半身动作识别方法，其特征在于具体实现步骤如下：步骤1、利用Optitrack和Kinect v2取得人体上半身关节坐标,使用OptiTrack全身动作捕捉系统的12个FLEX:V100R2镜头，利用OptiTrack得到上半身关节坐标，分别计算关节点坐标，并转换到Kinect v2的骨骼坐标系；OptiTrack采样频率设置为90FPS；Kinect v2同时采集人体上半身关节坐标；步骤2、提取特征值，指的是提取更精确的OptiTrack得到的人体上半身关节坐标。上半身的动作主要姿势由Wrist、Elbow、Spine_shoulde...
【技术特征摘要】
1.一种基于关键帧和随机森林回归的人体上半身动作识别方法，其特征在于具体实现步骤如下：步骤1、利用Optitrack和Kinectv2取得人体上半身关节坐标,使用OptiTrack全身动作捕捉系统的12个FLEX:V100R2镜头，利用OptiTrack得到上半身关节坐标，分别计算关节点坐标，并转换到Kinectv2的骨骼坐标系；OptiTrack采样频率设置为90FPS；Kinectv2同时采集人体上半身关节坐标；步骤2、提取特征值，指的是提取更精确的OptiTrack得到的人体上半身关节坐标。上半身的动作主要姿势由Wrist、Elbow、Spine_shoulder、Spine_mid、Head决定，特征点仅考虑7个节点；选择Spine_mid为中心节点，选择Spine_mid到Spine_shoulder的向量作为中心向量，Spine_mid到各节点的向量作为一类特征值，用Lj示，向量的长度Dj用于相对归一化，中心向量与其他向量的夹角作为另一类的特征值，用θk表示；步骤3、特征向量的相对归一化，设置标准帧，即AP聚类获得一组关键帧的第一个帧，用非0的常规归一化最大值，对各帧的节点距离归一化，再用相对归一化以标准帧为基准，量化以后各帧与标准帧的相对变化；步骤4、AP聚类算法获得关键帧，采用AP聚类算法自动进行聚类，将每帧图像作为AP聚类算法中的一个数据点，将每帧图像中的特征向量和特征角度作为这个数据点的度量信息，包括6个向量特征值，5个向量之间的夹角特征值；根据特征向量的大小和特征向量之间的角度差作为度量的准则；阻尼系数设为0.5，并且设置50次迭代后聚类中心不变，或迭代次数超过既定的次数5000次，则算法结束，将相近的帧归为一类；通过AP聚类算法的提取方式，无论动作快慢，关键帧帧数不变，从OptiTrack取得的一个关键帧表示为FO，一个动作的关键帧序列用fo表示，由m个FO组成：fo＝(FO1,FO2,...,FOm)；另一部分是从Kinectv2取得的一个关键帧表示为FK，一个动作的帧序列用fk表示，由m个FK组成：fo＝(FK1,FK2,...,FKm)；FK的帧数要除以3；提取的所有关键帧(包括从OptiTrack取得的关键帧和从Kinectv2取得的关键帧)作为随机森林离线训练的样本源，对其中每个关键帧做标记，用τ表示，每个标记由动作代码和本动作关键帧的顺序号组成，如动作A的第3个关键帧，标记表示为A003；步骤5、设置随机森林回归模型,用随机的方式组合多棵决策树形成随机森林，采用的决策树视为一个弱回归器，...
【专利技术属性】
技术研发人员：白宝兴，李波，韩成，杨帆，张超，胡汉平，权巍，赵璘，白烨，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林,22
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。