一种人体行为识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112818881A(43)申请公布日2021.05.18(21)申请号202110166922.X(74)专利代理机构福州元创专利商标代理有限(22)申请日2021.02.07公司35100代理人钱莉蔡学俊(71)申请人国网福建省电力有限公司营销服务中心(51)Int.Cl.地址350013福建省福州市晋安区茶园街G06K9/00(2006.01)道沁园支路9号福州桂山路综合楼G06K9/62(2006.01)申请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(72)发明人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权利要求书3页说明书7页附图2页(54)发明名称一种人体行为识别方法(57)摘要本发明提供了一种人体行为识别方法，包括步骤：建立背景模型；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；利用光流假设提取当前的图像帧中提取出的前景点的局部特征；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，以识别分类行为。本发明不仅提取过程较为简便，而且克服单一特征表现力不足的缺陷，寻找容易表征运动的特征并进行融合，最大程度保留运动信息以便分类。CN112818881ACN112818881A权利要求书1/3页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)＝{[wi(x,y,t),ui(x,y,t),σi(x,y,t)]},i＝1,2,...,K；式中，wi(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，ui(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，σi(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)‑ui(x,y,t)|≤λ·σi(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‑wi(x,y,t‑1))；令权值更新为：令均值更新为：ui(x,y,t)＝(1‑α)×ui(x,y,t‑1)+α×ui(x,y,t)；令方差更新为：归一化权值为：2CN112818881A权利要求书2/3页式中，α为更新率，是一个常数；wi(x,y,t‑1)表示t‑1时刻图像帧中(x,y)处像素对应第i个单模板的权值，ui(x,y,t‑1)表示t‑1时刻图像帧中(x,y)处像素对应第i个单模板的均2值，σi(x,y,t‑1)表示t‑1时刻图像帧中(x,y)处像素对应第i个单模板的方差。5.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具体为：针对当前帧图像中的像素点p，对p点领域内的全部像素点采用最小二乘法计算光流方程的解，得到向量(u,v)，其中，u为水平光流值和v为垂直光