基于第二代Curvelet变换的人体运动识别方法技术

本发明专利技术提出了一种基于第二代Curvelet变换的人体运动识别方法，主要解决现有技术中特征提取复杂、表征能力弱的问题。其实现步骤是：(1)将WEIZMANN数据库中的每段视频转换为连续的单幅序列图像，并按8:1比例构建训练样本集X和测试样本集T；(2)利用第二代Curvelet工具包对训练样本集X中的单幅序列图像进行第二代Curvelet变换，得到的各个尺度的系数矩阵，并提取图像的边缘特征Vb和纹理特征Vt；(3)将两类特征级联,作为单幅序列图像的最终特征：V＝{Vb,Vt}；(4)按上述步骤分别对训练样本集X和测试样本集T中的所有序列图像进行提取特征，获得训练样本特征集X'和测试样本特征集T'，并对其进行学习训练，获得分类结果。本发明专利技术能准确识别人体运动，可用于视频监控、目标识别和运动识别的视频处理。

【技术实现步骤摘要】
本专利技术属于图像处理
，涉及人体运动识别方法，可用于虚拟视频、智能监控和姿态估计。
技术介绍
人体运动识别是近几年来计算机视觉领域的重大热点之一，人体运动识别在运动捕获，人机交互，视频监控等多领域获得了初步的应用，并具重大的应用前景。由于人体运动的多变性和多样性，背景的嘈杂以及光照条件，衣服纹理和自身遮挡等多方面的因素严重影响人体运动的识别效果，故从视频图像中准确估计人体姿态，实现人体运动识别是计算机视觉领域长期存在的问题。 目前，人体运动识别的方法主要分为三大类基于学习的人体运动识别、基于模型的人体运动识别和基于表现的人体运动识别。第一种，基于学习的人体运动识别方法该方法首先在训练的视频图像和目标视频图像数据库里提取精确的图像特征，通过机器学习从一系列训练数据中学习得到一个分类器，用该分类器来表示人体运动，然后利用该分类器对输入窗口进行分类及识别。如IvanLaptev等人采用的基于HOG和HOF的特征提取方法和基于KNN和SVM的识别方法。另外还有Somayeh Danafar和Niloo far Cheissari在其论文中采用了基于光流的特征提取方法和基于svm的运动识别方本文档来自技高网...

【技术保护点】
一种基于第二代Curvelet变换的人体运动识别方法，包括步骤如下：(1)将WEIZMANN数据库中的每段视频转换为连续的单幅序列图像，并按照8：1的比例构建训练样本集X和测试样本集T；(2)对训练样本集X中的单幅序列图像，利用第二代Curvelet工具包进行Curvelet变换，得到5个尺度的系数矩阵C，C＝{Ci},i＝1,2,3,4,5；(3)将每个尺度的系数矩阵Ci的每个子带，采用非重叠的方式按照4*4或8*8的大小进行二进剖分，计算每个剖分子块的边缘特征向量vb，将所有剖分子块的边缘特征向量vb归一化后级联，得到单幅序列图像的边缘特征Vb；(4)将第一尺度的系数矩阵C1按照4*4的大...

【技术特征摘要】
1.一种基于第二代Curvelet变换的人体运动识别方法，包括步骤如下 (1)将WEIZMANN数据库中的每段视频转换为连续的单幅序列图像，并按照8:1的比例构建训练样本集X和测试样本集T ； (2)对训练样本集X中的单幅序列图像,利用第二代Curvelet工具包进行Curvelet变换，得到5个尺度的系数矩阵C，C = {CJ，i = 1，2，3，4，5 ; (3)将每个尺度的系数矩阵Ci的每个子带，采用非重叠的方式按照4*4或8*8的大小进行二进剖分，计算每个剖分子块的边缘特征向量vb，将所有剖分子块的边缘特征向量Vb归一化后级联，得到单幅序列图像的边缘特征Vb ； (4)将第一尺度的系数矩阵C1按照4*4的大小采用1/2重叠的方式进行二进剖分，计算每个剖分子块上的共生矩阵特征向量vt，将所有剖分子块的共生矩阵特征向量归一化后级联，得到单幅序列图像的纹理特征Vt ； (5)将上述边缘特征Vb和纹理特征Vt级联，得到单幅序列图像的最终特征V={vb, VJ ； (6)按照上述步骤(2Γ(5)分别将训练样本集X和测试样本集T中的所有序列图像提取特征，获得训练样本特征集Γ和测试样本特征集Τ,； (7)利用SVM算法对训练样本特征集X,进行训练学习得到分类器；将测试样本特征集T'输入分类器得到各类运动的分类结果。2.根据权利要求I所述的人体运动识别方法，其中步骤(3...

【专利技术属性】
技术研发人员：韩红，张红蕾，李晓君，顾建银，韩启强，谢福强，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：