【摘要】 一种基于关键帧的多特征融合的人体姿态识别方法，包括以下步骤：(1)对视频图像提取Hu不变矩特征，计算图像序列的覆盖率，提取覆盖率最高的设定覆盖百分数为候选关键帧，然后计算候选关键帧的失真率，以提取其中最小的失真百分数为关键帧；(2)对关键帧进行前景图像的抽取，得到运动人体的前景图像后；(3)提取关键帧的特征信息，所述特征信息为六星模型、六星角度和离心率；得到多特征融合的图像特征向量；(4)使用一对一的用训练好的分类模型，所述分类模型为基于SVM的姿态分类器，对姿态进行识别。本发明简化计算、稳定性良好、鲁棒性良好。 【专利类型】发明授权 【申请人】浙江工业大学 【申请人类型】学校 【申请人地址】310014 浙江省杭州市下城区朝晖六区 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】临安区 【申请号】CN201210063893.5 【申请日】2012-03-12 【申请年份】2012 【公开公告号】CN102682302B 【公开公告日】2014-03-26 【公开公告年份】2014 【授权公告号】CN102682302B 【授权公告日】2014-03-26 【授权公告年份】2014.0 【IPC分类号】G06K9/62; G06T7/00 【发明人】黄鲜萍; 郑莉莉; 梁荣华 【主权项内容】一种基于关键帧的多特征融合的人体姿态识别方法，其特征在于：所述人体姿态识别方法包括以下步骤：(1)对视频图像提取Hu不变矩特征，计算图像序列的覆盖率，提取覆盖率最高的设定覆盖百分数为候选关键帧，然后计算候选关键帧的失真率，以提取其中最小的失真百分数为关键帧；所述步骤(1)中，计算覆盖率的过程：首先计算每两帧的相似性系数，当前帧和视频中的其他帧的相似性大于当前帧与其他帧的相似性系数平均值的则列入当前帧的相关帧集合中；则相关帧集合中帧与视频中所有帧数的比例即当前帧的覆盖率，求取视频中每一帧图像的覆盖率，并取覆盖率最高的30%的帧作为候选关键帧；计算失真率的过程：首先计算图像的灰度值的估计概率，及图像的灰度级均值，然后计算每一帧图像的一阶、二阶、三阶矩，分表表示均值、方差和偏斜度，用此三维向量表示图像的特征，并计算关键帧的相关帧集合的平均矩和视频中所有帧的平均矩；最后计算候选关键帧的相关帧集合的平均矩与所有帧的平均矩的目标函数最大值，从而得到候选关键帧的失真率，取最小的50%作为该视频的最终关键帧；(2)对关键帧进行前景图像的抽取，得到运动人体的前景图像后；(3)提取关键帧的特征信息，所述特征信息为六星模型、六星角度和离心率；得到多特征融合的图像特征向量；所述步骤(3)中，所述六星模型的提取过程：提取人体前景图像的质心后，得到的人体侧影轮廓点与质心点之间的距离，将人体侧影图分为左右两部分，分别计算其两部分侧影的最上、最下和最左边点、最右边点与质心的距离；在 六星模型得到了六个轮廓点到之心点的轴线后，计算轴线与相邻轴线之间的角度信息；计算人体侧影的离心率；(4)使用一对一的训练好的分类模型，所述分类模型为基于SVM的姿态分类器，对姿态进行识别。 【当前权利人】浙江工业大学 【当前专利权人地址】浙江省杭州市下城区朝晖六区 【专利权人类型】公立 【统一社会信用代码】1233000047000441XK 【引证次数】4.0 【他引次数】4.0 【家族引证次数】4.0 【家族被引证次数】65

未经允许不得转载：http://www.zhongzhencnc.com/1791420284.html