一种基于运动历史图像的人体行为识别方法及系统技术方案

本发明专利技术公开了一种基于运动历史图像的人体行为识别方法及系统，包括：基于人体动作视频图像，提取视频图像帧，通过帧间差分法将每个像素点的属性分为前景像素点和背景像素点；获取同一位置的像素点属性变化序列；对运动历史图MHI进行改进获得每个变化方式下的视频图像灰度图；将每个变化方式下的灰度图作为特征图像进行特征提取；输入预设的分类器模型进行动作行为识别，本发明专利技术采用改进的运动历史图MHI，并采用2DHaar小波变换提取MHI中的空域信息，采用MHI的统计直方图提取MHI中的时域信息，降低了运算复杂度，且该特征包含了更丰富的运动信息，实现了一个分类过程简单、速度快的识别算法。

【技术实现步骤摘要】
一种基于运动历史图像的人体行为识别方法及系统
本专利技术涉及行为识别
，具体涉及一种基于运动历史图像的人体行为识别方法及系统。
技术介绍
行为识别在目前的计算机视觉应用中，越来越重要，特别是行为分类，为了理解场景中发生了什么事情，我们必须进行行为识别，行为识别同样也是人机交互的基础，从视频中识别出人类的行为一直是视频监控、视频分类以及社会场景中的难题，由于人类的行为具有很大的可变性，所以基于模板的识别方法具有很大的局限性，由于人体的结构特性，我们需要多维空间去描述，且由于衣服的非刚性，导致行为识别问题进一步复杂化，因此，我们需要非线性模型来建模和优化，而非线性是计算复杂度特别高的。而在行为识别技术中,特征的选择和表达十分重要，包含信息丰富且具有的辨识力强的特征，能够加强识别效果，是整个过程中的不可轻视的重要部分，一方面，特征提取过程需要耗费大量的存储空间和计算资源来提取运动特征，另一方面，人体行为本身就是人体姿势沿着时间的变化动态产生的，若是忽略了时间这一重要信息，只是单纯的考虑姿势，会在很多动作上造成错误的识别，因为很多类别的动本文档来自技高网...

【技术保护点】
1.一种基于运动历史图像的人体行为识别方法，其特征在于：包括：/n(11)基于人体动作视频图像，提取视频图像帧，通过帧间差分法将每个像素点的属性分为前景像素点和背景像素点；/n(12)基于按时间顺序排序的所有图像帧，获取同一位置(x,y)的像素点属性变化序列X

【技术特征摘要】
1.一种基于运动历史图像的人体行为识别方法，其特征在于：包括：
(11)基于人体动作视频图像，提取视频图像帧，通过帧间差分法将每个像素点的属性分为前景像素点和背景像素点；
(12)基于按时间顺序排序的所有图像帧，获取同一位置(x,y)的像素点属性变化序列X(x,y)(n)，n∈(1,2,...,N)，N+1为总帧数；
(13)基于像素点属性变化序列X(x,y)(n)，获取该像素点属性变化过程出现的不同变化方式及其对应出现次数；
(14)基于同一变化方式下每个像素点出现该变化方式的次数，获得每个变化方式下的视频图像灰度图；
(15)将每个变化方式下的视频图像灰度图作为特征图像进行特征提取；
(16)基于提取的特征，输入预设的分类器模型进行动作行为识别。


2.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(11)中的人体动作视频图像包括行走、慢跑、挥手、鼓掌的视频图像。


3.根据权利要求1所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(11)中包括：
基于图像帧，计算相邻帧的同一位置像素点的灰度值差值，当差值大于第一预设阈值，则后一帧的该像素点的属性为前景像素点并将灰度值记为1，否则，后一帧的该像素点的属性为背景像素点并将灰度值记为0。


4.根据权利要求3所述的一种基于运动历史图像的人体动作行为识别方法，其特征在于：所述步骤(12)中包括：所述同一位置(x,y)的像素点属性变化序列X(x,y)(n)，是由0和1组成的离散序列。


5.根据权利要求4所述的一种基于运动历史图像的人体行为识别方法，其特征在于：所述步骤(13)中，不同的变化方式的判断方式是根据序列中两个相邻的背景像素点之间的前景像素点的个数进行划分。


6.根据权利要求5所述的一种基于运动历史图像的人体动...

【专利技术属性】
技术研发人员：沈三明，卢小银，吕盼稂，严德斌，
申请(专利权)人：合肥富煌君达高科信息技术有限公司，
类型：发明
国别省市：安徽;34