一种运动人体行为检测的分割算法及装置制造方法及图纸

本发明专利技术公开了一种运动人体行为检测的分割算法，涉及人体行为检测技术领域，解决现有人体行为检测方法存在准确性低、鲁棒性差的技术问题，本发明专利技术包括：对运动视频分割得到视频帧，对视频帧分割得到人体图像，建立人体图像的三维人体骨架模型并得到骨架图像，取相邻两视频帧的骨架图像的时间距离和空间距离，利用归一化方法分别将时间距离、空间距离转换到(0,1)之间得到diffKneeAngle(i)、diffSpinZ(i)；计算关键帧距离DBKF＝diffKneeAngle(i)+diffSpinZ(i)，并制作帧间距离曲线，根据帧间距离曲线的极值来判断连续动作的分割点，并得到分割帧骨架图像。本发明专利技术还公开了一种运动人体行为检测的装置。本发明专利技术通过帧间距离曲线的极值来分割帧骨架图像，准确性高、鲁棒性好。

【技术实现步骤摘要】
一种运动人体行为检测的分割算法及装置
本专利技术涉及人体行为检测
，更具体地说，它涉及一种运动人体行为检测的分割算法及装置。
技术介绍
视觉处理系统是人类用以观测和感知外界的主要工具。当今社会，伴随着计算机处理能力不断地提高，工程师们希望计算机代替人类的双眼和大脑能够像人一样对外界事物、客观世界进行认知、观察以及交互，这便要求计算机具有人类视觉处理系统的几乎所有的能力。由于计算机硬件处理能力不断提高，同时计算机视觉技术也在突飞猛进地发展，这一期望更接近变成现实。计算机视觉技术研究的主要内容是，如何利用计算机视觉技术解决以人为中心的相关问题，包括人体检测与跟踪、人脸识别、人体运动分析等。对于复杂混乱的背景，人体常常受障碍物以及其它非被测人体的遮挡，因此人体运动特征的提取变得比较困难。运动具有复杂性，并且对于存在肢体遮挡的姿态运动来说，如何保证运动特征能够被准确的、尽量实时的被提取和跟踪也是一个值得研究的问题。在行为训练过程中，训练样本通常是在有限制条件的实验条件下采集的，但是，当在现实场景中使用相同方案进行的行为识别时，由于本文档来自技高网...

【技术保护点】
1.一种运动人体行为检测的分割算法，其特征在于，包括：/n利用滑窗法对运动视频进行片段分割得到视频帧；/n对所述视频帧内的人体区域进行分割得到人体图像；/n选取所述人体图像的主要部位作为特征向量以确定动作行为边界；/n根据所述动作行为边界建立所述人体图像的三维人体骨架模型并得到骨架图像；/n取相邻两视频帧的骨架图像的膝关节角度差的绝对值得到时间距离：/nDIFFKneeAngle(i)＝|KneeAngle(i+1)-KneeAngle(i)|；/n取相邻两视频帧的骨架图像的脊柱中点三维坐标Z轴坐标值之差的绝对值得到空间距离：/nDIFFSpinZ(i)＝|SpinZ(i+1)-SpinZ(i...

【技术特征摘要】
1.一种运动人体行为检测的分割算法，其特征在于，包括：
利用滑窗法对运动视频进行片段分割得到视频帧；
对所述视频帧内的人体区域进行分割得到人体图像；
选取所述人体图像的主要部位作为特征向量以确定动作行为边界；
根据所述动作行为边界建立所述人体图像的三维人体骨架模型并得到骨架图像；
取相邻两视频帧的骨架图像的膝关节角度差的绝对值得到时间距离：
DIFFKneeAngle(i)＝|KneeAngle(i+1)-KneeAngle(i)|；
取相邻两视频帧的骨架图像的脊柱中点三维坐标Z轴坐标值之差的绝对值得到空间距离：
DIFFSpinZ(i)＝|SpinZ(i+1)-SpinZ(i)|；
利用归一化方法：



分别将所述时间距离、空间距离转换到(0,1)之间得到diffKneeAngle(i)、diffSpinZ(i)；
计算关键帧距离DBKF＝diffKneeAngle(i)+diffSpinZ(i)，并根据所述关键帧距离DBKF制作帧间距离曲线，获取所述帧间距离曲线的极值P；
设置过滤值F，计算极值放大值G＝(P-F)2*100；
设置分割阈值，当帧间距离曲线的相邻两个极值放大值G之间的差值的绝对值大于或等于分割阈值时作为连续动作的分割点，根据分割点得到分割帧骨架图像。...

【专利技术属性】
技术研发人员：何春平，
申请(专利权)人：泽恩科技有限公司，
类型：发明
国别省市：广东;44