【技术实现步骤摘要】
一种人体行为识别方法
[0001]本专利技术涉及人体行为识别
,特别是一种人体行为识别方法。
技术介绍
[0002]基于视频信息的人体行为识别是计算机视觉领域的热点问题。它主要是利用图像处理、图像分析与计算机视觉等技术对视频序列进行目标检测、分类和跟踪,并对视频信息中的行为进行理解和描述。为了实现对目标行为的理解与描述,研究人体行为特征的有效提取和表达方式是非常重要的。
[0003]人体行为识别一般包括特征提取以及分类识别两个关键环节。第一个环节是指构建特征描述子来表达视频中的目标行为的信息,第二个环节是指利用特征描述子对目标行为分类,进而识别出目标行为的类别。要对人体行为进行识别,首先需要用特征信息对目标人体的行为进行表达,提取出的特征需要能够反映视频中目标人体在某一方面的关键信息。
[0004]目前,根据特征提取的不同范围,一般可以将视频中的人体行为特征分为全局特征和局部特征。主流的全局特征描述方法分为两种,第一种为基于人体结构模型的全局特征,线条图模型、MLD(moving light displ ...
【技术保护点】
【技术特征摘要】
1.一种人体行为识别方法,其特征在于,包括以下步骤:根据建立的背景模型,从当前的图像帧中提取出前景点,并将所有的前景点融合后作为运动人体剪影的全局特征;利用光流假设从当前的图像帧中提取出前景点的局部特征;对当前的图像帧,将全局特征与局部特征进行拼接,作为当前帧的帧内融合特征;对连续帧的特征描述进行降维,得到帧间融合特征,将帧内融合特征与帧间融合特征进行融合,根据融合结果,识别人体行为。2.根据权利要求1所述的一种人体行为识别方法,其特征在于,所述背景模型的建立具体包括以下步骤:对于视频序列中每一帧的图像,对像素进行建模,一个像素由多个单模型来描述,得到背景模型如下:P(x,y,t)={[w
i
(x,y,t),u
i
(x,y,t),σ
i
(x,y,t)]},i=1,2,...,K;式中,w
i
(x,y,t)表示当前的图像帧中(x,y)处像素的第i个单模型的权重,u
i
(x,y,t)表示当前的图像帧中(x,y)处像素的第i个单模型所表征的该像素在视频图像序列时刻t时的均值,σ
i
(x,y,t)表示当前的图像帧中(x,y)处像素的第i个单模型所表征的该像素在视频图像序列时刻t时的标准差;K表示混合高斯模型中包含单模型的个数,(x,y)表示像素的位置,t表示该像素在视频图像序列的时刻;P(x,y,t)表示当前位置(x,y)像素点在时刻t属于各个单模型的概率。3.根据权利要求1所述的一种人体行为识别方法,其特征在于,所述根据建立的背景模型,从当前的图像帧中提取出前景点,并将所有的前景点融合后作为运动人体剪影的全局特征具体包括以下步骤:遍历当前的图像帧的像素点,对每个像素点进行判断:若新读入的图像序列中的图片在(x,y)处的像素对于i=1,2,...,K满足|I(x,y,t)
‑
u
i
(x,y,t)|≤λ
·
σ
i
(x,y,t),则该新读入的像素与第i个单模板匹配,将其归入视频帧背景集中,否则将该新读入的像素归入前景点集合中;其中I(x,y,t)表示t时刻(x,y)处的像素;提取前景点集合中的像素,将其融合后作为运动人体剪影的全局特征。4.根据权利要求3所述的一种人体行为识别方法,其特征在于,当判别新读入的像素为背景点时,修正与该像素匹配的单模板的权值、均值和方差:令权值增量dw为:dw=α
·
(1
‑
w
i
(x,y,t
‑
1));令权值更新为:令均值更新为:u
i
(x,y,t)=(1
‑
α)
×
u
i
(x,y,t
‑
1)+α
×
u
i
(x,y,t);令方差更新为:归一化权值为:
式中,α为更新率,是一个常数;w
i
(x,y,t
‑
1)...
【专利技术属性】
技术研发人员:郭志伟,黄天富,金淼,张军,雷民,吴志武,张颖,李建新,詹文,陈习文,陈卓,卢冰,汪泉,王斯琪,王旭,聂高宁,周玮,付济良,齐聪,郭子娟,余雪芹,刘俊,郭鹏,朱赤丹,王春光,周志森,伍翔,
申请(专利权)人:中国电力科学研究院有限公司国网福建省电力有限公司,
类型:发明
国别省市:
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。