运动信息图像化的人体动作识别方法技术

本发明专利技术提供了一种运动信息图像化的人体动作识别方法，步骤：第一步：利用人体动作捕捉仪器获取人体运动学习样本矩阵；第二步：将所有学习样本矩阵转化为3P*T大小的灰度图。第三步：将第二步得到的灰度图放入PCA图像识别器中进行学习。第四步：利用人体动作捕捉仪器获取待识别的人体运动样本矩阵。第五步：将待识别的矩阵转化为3P*T大小的灰度图。第六步：将第五步得到的灰度图放入第三步学习好的PCA图像识别器中做识别。第七步：第四步中待识别的人体运动样本的识别结果即为第六步产生的识别结果。本发明专利技术提升了全身性的人体动作识别准确率和鲁棒性，而且还能在一定范围内根据实时场景不同而调整动作识别的鲁棒性。

【技术实现步骤摘要】
运动信息图像化的人体动作识别方法
本专利技术涉及人体动作识别方法，具体地，涉及一种运动信息图像化的人体动作识别方法。
技术介绍
人体动作识别技术因其在安全监控、军事训练或是娱乐游戏等方面的广泛需求，已成为当今人机交互领域的热门课题。人体动作识别技术可以分为两类，分别是基于摄像头拍摄的运动录像的识别技术和基于人体关节运动信息的识别技术。前者对包含人物运动的图片直接做图像识别、模版匹配，而后者对人体关节运动信息的时空矩阵做数学处理和机器学习，或者利用状态机方法直接定义动作。现有技术中也存在动作识别方法，比如中国专利公开号为101788861A(申请号为200910002876.9)的专利技术专利，该专利公开“一种三维动作识别方法与系统,用以识别物体在三维空间的动作结构。此方法首先提供数据库,此数据库记录数组预设惯性信息,且每组预设惯性信息描述在三维空间中某种特定动作的惯性动态。接着,通过物体内部的运动传感器撷取物体动作时的惯性信息,并与数据库内所有的预设惯性信息做相似度的比较。最后,依据相似度的高低判断物体的动作是否同于预设在数据库内某组预设惯性信息所对应的特定动作。”又如：中国专利公开本文档来自技高网...

【技术保护点】
一种运动信息图像化的人体动作识别方法，其特征在于该方法包括如下步骤：第一步：利用人体动作捕捉仪器获取人体运动学习样本矩阵；每个样本矩阵M包含一个完整动作，所有样本矩阵的大小都是相同的，为3P*T，其中，P为人体动作捕捉仪器捕捉到的关节数量，T为一个固定的帧数，单个样本矩阵M的每一纵列数据为在某一帧人各个关节点相对于盆骨关节的X、Y、Z方向上的距离；样本矩阵M的纵列数据按顺序分成三关节个组，分别是关节组X，关节组Y，关节组Z，每一个关节组都有P个数据；关节组X中的数据为人体各个关节点相对于盆骨关节点在X方向上的距离；关节组Y中的数据为人体各个关节点相对于盆骨关节点在Y方向上的距离；关节组Z中的数...

【技术特征摘要】
1.一种运动信息图像化的人体动作识别方法，其特征在于该方法包括如下步骤：第一步：利用人体动作捕捉仪器获取人体运动学习样本矩阵；每个样本矩阵M包含一个完整动作，所有样本矩阵的大小都是相同的，为3P*T，其中，P为人体动作捕捉仪器捕捉到的关节数量，T为一个固定的帧数，单个样本矩阵M的每一纵列数据为在某一帧人各个关节点相对于盆骨关节的X、Y、Z方向上的距离；样本矩阵M的纵列数据按顺序分成三关节个组，分别是关节组X，关节组Y，关节组Z，每一个关节组都有P个数据；关节组X中的数据为人体各个关节点相对于盆骨关节点在X方向上的距离；关节组Y中的数据为人体各个关节点相对于盆骨关节点在Y方向上的距离；关节组Z中的数据为人体各个关节点相对于盆骨关节点在Z方向上的距离；此外，每个关节组中人体关节按规定顺序排列，P个关节点按照层级关系被分为了5个支杆组，按顺序分别为主躯干组、左臂组、右臂组、左腿组和右腿组，即：主躯干组：按顺序包括头、脖颈、脊椎和盆骨；左臂组：按顺序包括左肩、左手肘、左手腕、左手；右臂组：按顺序包括右肩、右手肘、右手腕、右手；左腿组：按顺序包括左腿根部、左膝盖、左脚腕、左脚；右腿组：按顺序包括右腿根部、右膝盖、右脚腕、右脚；第二步：将所有学习样本矩阵转化为3P*T大小的灰度图；第三步：将第二步得到的灰度图放入PCA图像识别器中进行学习；放入PCA图像识别器中学习的是第二步产生的一系列灰度图以及其相对应的动作名称，通过调整PCA图像识别器的参数来调节动作识别的鲁棒性；第四步：利用人体动作捕捉仪器获取待识别的人体运动样本矩阵；每个待识别的人体运动样本矩阵H记录了一段运动数据，所有人体运动样本矩阵H的行数都为3P，列数为一个不固定的帧数，以该运动样本的运动时间而定，其中每一纵列的数据构成与第一步相同；第五步：将待识别的矩阵...

【专利技术属性】
技术研发人员：周易，汪天雄，牛牧青，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：