一種人體行為動作快速識別方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種人體行為動作快速識別方法及裝置，所述識別方法經(jīng)過提取輪廓、獲取關鍵幀、計算特征算子、設定閾值等步驟，通過特征算子與閾值之間的比較分析對人體行為動作進行分類；所述識別裝置由運動輪廓獲取單元、行為模型建立單元和運動識別單元組成；本發(fā)明方法及裝置具有簡單高效、使用合理等優(yōu)點，可以減少匹配計算量和時間，提高行為動作識別的實時性和準確性。
【專利說明】一種人體行為動作快速識別方法及裝置

【技術領域】
[0001]本發(fā)明涉及視頻圖像處理領域，尤其涉及一種人體行為動作識別方法及裝置。

【背景技術】
[0002]人體行為分析的目的是理解和識別人的個體動作，人與人之間的交互運動，人與周圍環(huán)境的交互關系等。行為識別已經(jīng)應用于許多領域，如安防系統(tǒng)，醫(yī)學康復，以及家庭娛樂等。它可以利用計算機技術，在不需要人為干預或者盡少加入人為干預的條件下，實現(xiàn)基于視頻的人體檢測、人體跟蹤及對人體的行為的理解。
[0003]傳統(tǒng)的人體行為識別主要是對人體的關鍵部位進行檢測及跟蹤并達到識別的目的。主要方式是在受測對象的主要關節(jié)位置上附著標志性亮點，通過捕捉這些標志亮點的運動軌跡來辨別出受測者的運動形態(tài)，如走路、跑步等運動形態(tài)，甚至還可以根據(jù)數(shù)據(jù)和經(jīng)驗判斷出受測者的性別。但是，上述方法主要的缺點是應用場所具有局限性，而且僅能識別簡單動作，對復雜動作無法識別或識別精度較差。
[0004]目前，隨著計算機硬件設備的進步及計算機視覺技術的發(fā)展，基于視頻的人體行為分析正朝著更加智能、自然和高效的方向發(fā)展。例如:專利號為201210566810.4的“一種視頻監(jiān)控中的人體行為識別方法”專利文件中，提供了一種行為識別方法，該方法通過檢測和表示局部時空特征、計算局部時空特征與類別相關性、計算視頻幀與類別相關性、檢測和識別人體行為。上述方法首先對視頻采集單元采集到的視頻，使用三維Harris局部特征檢測方法，將視頻轉化為局部時空特征集合；然后對于檢測到的時空特征，使用類別比對互信息方法計算每個時空特征屬于各個類別的相關性得分；然后根據(jù)所求得的時空特征屬于各個類別的相關性得分，視頻幀與類別的相關性得分表示為該幀上所有時空特征得分的平均值；最后根據(jù)所求得視頻幀與類別的相關性得分，使用最大值子序列搜索方法定位和識別人體行為。
[0005]但是，上述方法介紹的類似現(xiàn)有技術中還是存在著不少的問題。例如，現(xiàn)有技術不能直接對不同的目標進行分離，可能出現(xiàn)多個目標被檢測為單個目標，或單個目標被分割成多個目標等情況。另外，現(xiàn)有技術由于需要在圖像中進行全局搜索，因此通常具有較高的計算復雜度，計算時間較長，往往達不到實際應用的實時性要求。


【發(fā)明內容】

[0006]本發(fā)明目的在于提供一種顯著降低匹配時間和計算復雜度、保證識別精度、提高識別實時性的一種人體行為動作快速識別方法及裝置。
[0007]為實現(xiàn)上述目的，采用了以下技術方案:
[0008]本發(fā)明所述的人體行為動作快速識別方法，按以下步驟進行:
[0009](I)通過視頻采集單元采集人體行為動作的視頻，利用背景減方法檢測運動并提取人體剪影及其表達；所述背景減方法是在R、G、B空間分布中進行背景減操作來檢測運動，對圖像分別在R、G、B3個通道設定閾值，若任一通道的值大于該閾值，則將所有通道的值都設為255 ;反之，若沒有任何通道的實際像素值大于該閾值，則維持原狀；
[0010]在視頻處理領域，背景減方法是獲得運動圖像的一個常用的手段。傳統(tǒng)的背景減方法是對灰度圖像進行處理，缺點是對光線變化比較敏感，容易缺失一些運動信息。采用上述背景減方法后，能很好地區(qū)別某些在灰度值接近而顏色不同的區(qū)域，提高了人體剪影提取的完成性。
[0011](2)對提取好的人體剪影進行輪廓提取，使用區(qū)域掃描算法提取剪影輪廓，并生成鏈表；選取其中最長的鏈表以排除部分外部干擾和內部空洞，將其重新描繪，獲得所需要的人體剪影輪廓圖像；
[0012](3)對提取的人體剪影輪廓使用k-mean聚類獲得k個最能突出其特點的幀，即為關鍵幀，并進行標記；
[0013](4)利用具有時空特征的算子來加速行為動作識別過程；
[0014]首先，記錄關鍵幀輪廓的中心位置，并根據(jù)位置信息計算特征算子w ;
[0015]特征算子w的確定方法為:記錄人體質心的運動軌跡，分別獲取軌跡上橫坐標和縱坐標的最大值及最小值，將橫坐標最大值與最小值的差值除以縱坐標的最大值與最小值的差值，所得結果確定為特征算子w ;
[0016]其次，設定閾值，根據(jù)特征算子w將行為動作序列樣本分為兩個大類，識別過程中利用W加速行為動作識別；若w大于2，認為該行為動作屬于第一大類；若w小于2，則認為該行為動作屬于第二大類；
[0017]最后，根據(jù)特征算子w的大小判斷該行為動作屬于哪個大類，然后在相應的大類內將目標運動的關鍵幀與其中每一個小類的關鍵幀對比，計算每個對應輪廓點到其質心的距離之差，將所有差值相加，得到兩個輪廓的總歐氏距離，在每個小類中進行該步驟，找到總歐氏距離最小的類，即為所求的動作類別，從而對行為動作進行識別。
[0018]本發(fā)明所述的人體行為動作快速識別裝置，所述識別裝置包括圖像采集單元和運動識別單元；圖像采集單元為圖像采集設備，圖像采集單元拍攝人體運動過程，獲取圖像數(shù)據(jù)；圖像采集單元通過USB總線與運動識別單元進行連接，運動識別單元的圖像處理方法固化在dsp芯片中，運動識別單元通過對圖像采集單元獲得的圖像數(shù)據(jù)進行處理，提取其中任意無前景幀作為背景圖像，并使用背景減方法檢測運動目標并提取輪廓及其表達；利用k-mean聚類對輪廓進行關鍵幀的判別和提取并將其標記，同時計算描述輪廓在運動過程中時間與空間上的變化情況的時空特征算子w ;通過時空特征算子w來區(qū)別動作行為的種類。利用對應點的歐氏距離差算法求得與測試序列差異度最小的訓練序列并獲取該訓練序列的動作類別，即為目標測試序列的行為類別。
[0019]工作過程大致如下:
[0020]通過視頻采集單元采集人體行為動作的視頻，利用基于RGB空間的背景減方法獲得目標運動圖像，對運動圖像進行輪廓提取并獲得輪廓表達。利用k均值聚類獲得圖像序列的關鍵幀并標記運動。利用時空特征算子w把所有運動分為兩大類，匹配時根據(jù)w的大小判斷運動類別歸屬。
[0021]與現(xiàn)有技術相比，本發(fā)明具有如下優(yōu)點:方法簡單高效、使用合理，可以減少匹配計算量和時間，提高行為動作識別的實時性和準確性。

【專利附圖】

【附圖說明】
[0022]圖1為本發(fā)明方法的總體流程示意圖。
[0023]圖2為本發(fā)明方法中關鍵幀獲取實驗結果示意圖。
[0024]圖3為本發(fā)明裝置的結構簡圖。

【具體實施方式】
[0025]下面結合附圖對本發(fā)明做進一步說明:
[0026]如圖1所示本發(fā)明方法的總體流程示意圖中，本發(fā)明所述的人體行為動作快速識別方法，按以下步驟進行:
[0027](I)通過視頻采集單元采集人體行為動作的視頻，利用背景減方法檢測運動并提取人體剪影及其表達；所述背景減方法是在R、G、B空間分布中進行背景減操作來檢測運動，對圖像分別在R、G、B3個通道設定閾值為80，若任一通道的值大于該閾值，則將所有通道的值都設為255 ;反之，若沒有任何通道的實際像素值大于該閾值，則維持原狀；
[0028]在視頻處理領域，背景減方法是獲得運動圖像的一個常用的手段。傳統(tǒng)的背景減方法是對灰度圖像進行處理，缺點是對光線變化比較敏感，容易缺失一些運動信息。采用上述背景減方法后，能很好地區(qū)別某些在灰度值接近而顏色不同的區(qū)域，提高了人體剪影提取的完成性。
[0029](2)對提取好的人體剪影進行輪廓提取，使用區(qū)域掃描算法提取剪影輪廓，并生成鏈表；選取其中最長的鏈表以排除部分外部干擾和內部空洞，將其重新描繪，獲得所需要的人體剪影輪廓圖像；
[0030](3)對提取的人體剪影輪廓使用k-mean聚類獲得k個最能突出其特點的幀，即為關鍵幀，并進行標記，對每個動作提取12個關鍵幀；具體演示結果如圖2所示。
[0031](4)利用具有時空特征的算子來加速行為動作識別過程；
[0032]記錄關鍵幀輪廓的中心位置，并根據(jù)位置信息計算特征算子w ；
[0033]特征算子w的確定方法為:記錄人體質心的運動軌跡，分別獲取軌跡上橫坐標和縱坐標的最大值及最小值，將橫坐標最大值與最小值的差值除以縱坐標的最大值與最小值的差值，所得結果確定為特征算子《，如對于奔跑動作，橫坐標最大值為170，最小值為10，縱坐標上最大值為80，最小值為74，則其所對應的特征算子w為26.67 ；
[0034]設定閾值為2.5，根據(jù)特征算子w將行為動作序列樣本分為兩個大類，識別過程中利用w加速行為動作識別；若《大于閾值，認為該行為動作屬于第一大類；若《小于閾值，則認為該行為動作屬于第二大類；在相應的大類內將目標運動的關鍵幀與其中每一個小類的關鍵幀對比，計算每個對應輪廓點到其質心的距離之差，將所有差值相加，得到兩個輪廓的總歐氏距離，在每個小類中進行該步驟，找到總歐氏距離最小的類，即為所求的動作類別，完成對行為動作的識別。
[0035]例如，在識別奔跑動作時，先對其進行RGB空間下的背景減除法，獲得其人體剪影，然后對所獲得的人體剪影進行輪廓提取。對所獲得的輪廓序列使用k-mean聚類獲得12個最能表現(xiàn)奔跑特征的幀作為關鍵幀，并計算其所對應的特征算子w為26.67。由于w>2.5，該動作屬于第一大類，將所獲得的12個關鍵幀與第一大類中的每一個小類中的關鍵幀進行比較，找到與該測試序列最接近的訓練序列類型，并獲得該訓練序列的名稱，即為測試序列的動作名稱。
[0036]本發(fā)明所述的人體行為動作快速識別裝置，所述識別裝置包括圖像采集單元和運動識別單元，如圖3所示。
[0037]圖像采集單元為圖像采集設備，圖像采集單元拍攝人體運動過程，獲取圖像數(shù)據(jù)。
[0038]圖像采集單元通過USB總線與運動識別單元進行連接，運動識別單元的圖像處理方法固化在dsp芯片中，運動識別單元通過對圖像采集單元獲得的圖像數(shù)據(jù)進行處理，提取其中任意無前景幀作為背景圖像，并使用背景減方法檢測運動目標并提取輪廓及其表達；利用k-mean聚類對輪廓進行關鍵幀的判別和提取并將其標記，同時計算描述輪廓在運動過程中時間與空間上的變化情況的時空特征算子w ;通過時空特征算子w來區(qū)別動作行為的種類。
[0039]利用對應點的歐氏距離差算法求得與測試序列差異度最小的訓練序列并獲取該訓練序列的動作類別，即為目標測試序列的行為類別。
[0040]以上所述的實施例僅僅是對本發(fā)明的優(yōu)選實施方式進行描述，并非對本發(fā)明的范圍進行限定，在不脫離本發(fā)明設計精神的前提下，本領域普通技術人員對本發(fā)明的技術方案做出的各種變形和改進，均應落入本發(fā)明權利要求書確定的保護范圍內。
【權利要求】
1.一種人體行為動作快速識別方法，其特征在于，所述識別方法按以下步驟進行: (1)通過視頻采集單元采集人體行為動作的視頻，利用背景減方法檢測運動并提取人體剪影及其表達；所述背景減方法是在R、G、B空間分布中進行背景減操作來檢測運動，對圖像分別在R、G、B3個通道設定閾值，若任一通道的值大于該閾值，則將所有通道的值都設為255 ;反之，若沒有任何通道的實際像素值大于該閾值，則維持原狀； (2)對提取好的人體剪影進行輪廓提取，使用區(qū)域掃描算法提取剪影輪廓，并生成鏈表；選取其中最長的鏈表以排除部分外部干擾和內部空洞，將其重新描繪，獲得所需要的人體剪影輪廓圖像； (3)對提取的人體剪影輪廓使用k-mean聚類獲得k個最能突出其特點的幀，即為關鍵幀，并進行標記； (4)利用具有時空特征的算子來加速行為動作識別過程； 記錄關鍵幀輪廓的中心位置，并根據(jù)位置信息計算特征算子w ； 特征算子w的確定方法為:記錄人體質心的運動軌跡，分別獲取軌跡上橫坐標和縱坐標的最大值及最小值，將橫坐標最大值與最小值的差值除以縱坐標的最大值與最小值的差值，所得結果確定為特征算子w ； 設定閾值，根據(jù)特征算子w將行為動作序列樣本分為兩個大類，識別過程中利用w加速行為動作識別；若w大于閾值，認為該行為動作屬于第一大類；若w小于閾值，則認為該行為動作屬于第二大類；在相應的大類內將目標運動的關鍵幀與其中每一個小類的關鍵幀對t匕，計算每個對應輪廓點到其質心的距離之差，將所有差值相加，得到兩個輪廓的總歐氏距離，在每個小類中進行該步驟，找到總歐氏距離最小的類，即為所求的動作類別，完成對行為動作的識別。
2.一種人體行為動作快速識別裝置，其特征在于:所述識別裝置包括圖像采集單元和運動識別單元；圖像采集單元為圖像采集設備，圖像采集單元拍攝人體運動過程，獲取圖像數(shù)據(jù)；圖像采集單元通過USB總線與運動識別單元進行連接，運動識別單元的圖像處理方法固化在dsp芯片中，運動識別單元通過對圖像采集單元獲得的圖像數(shù)據(jù)進行處理，提取其中任意無前景幀作為背景圖像，并使用背景減方法檢測運動目標并提取輪廓及其表達；利用k-mean聚類對輪廓進行關鍵幀的判別和提取并將其標記，同時計算描述輪廓在運動過程中時間與空間上的變化情況的時空特征算子w ;通過時空特征算子w來區(qū)別動作行為的種類。
【文檔編號】G06K9/62GK104298964SQ201410467813
【公開日】2015年1月21日 申請日期:2014年9月15日 優(yōu)先權日:2014年9月15日
【發(fā)明者】胡碩, 陳鈺昕, 左亞青 申請人:燕山大學