关键肢体角度直方图的行为识别.pdfVIP

第 1期 庄伟源 ，等：关键肢体角度直方图的行为识别 手、慢跑、跑步和走路，文中需要从中找出关键肢体。 ， 视频 中P 的运动类型 t 出现的次数，统计在 ． ， 通过观察可以发现，拳击、拍手和挥手之间的区别主 第 k维。成对肢体特征是一种特征引入 了共生关系 要集 中在手部运动 。而慢跑、跑步和走路的区别集 的特征，通过统计成对肢体的运动类型来表示。所 中于手部运动和腿部运动中，剩下的肢体 (头和躯 谓的共生关系是：属于同一个四肢的肢体P 和肢体 干)区分度不高，提供很少的信息熵。因此，仅选取 四肢的 8个肢体作为候选关键肢体，设为 P = Pi(如右大臂和右小臂都属于右臂)，他们所对应的 ( ，Y，)， ∈{1，2，…，8)。 运动类型存在相关性。基于这种思想提出成对肢体 2．3 肢体角度直方图 特征，其具体步骤如下：设每个成对肢体特征 在第 1层分类器中，主要任务是将动作分为非 的维度为 ×M ，若第／=l中P的运动类型是t 而 移动类和移动类两大类动作，本文提取了躯干的水 Pj为tl,，则在((k一1)×M +Z)维统计。 平位置分布信息并用直方 图特征表示，用来判断人 对非移动类动作 (包括拳击、拍手和挥手)，使 是否发生移动 。 用每个部位设置 10个运动类型，并使用成对肢体特 在第2层分类器中，需要将每个部位的位置映 征描述手臂部位 。特征 向量的维度为 2×10×10， 射为特征向量。LIWangl71和WANGJiang_1都采 为200维。对移动类动作 (包括慢跑、跑步和走 用 了相 对 部 位 特 征。将 躯 干 部 位 p 。= 路)，用独立肢体特征表示手臂部位其中每个部位 (。。，Y。， 。)作为参照点，其他部位P 映射为 包含 18个运动类型，而腿部部位用成对肢体特征表 相对部位特征 Ap=( — … ，Y一Y。，)。这种 示，其中每个部位包含 9个运动类型。对手臂应用 特征在处理尺度不同的动作视频时 (图 2所示，与 独立肢体特征而不是成对肢体特征的原因在于：经 摄像头的距离不同导致的人在视频中尺度不同)分 观察发现，移动类的动作中，脚部部位的姿态估计准 类效果不佳。同时由于不同动作中，人体姿态形变 确率更高，而 由于手臂部位接近躯干 ，因此无法准确 差异较大，目前没有有效的解决位置归一化的方法。 估计手臂的所有部位，在这种情况对成对肢体特征 注意到部位的角度具有尺度不变的特性，同时由于 的干扰较大而独立肢体特征更具有鲁棒性。整个动 姿态估计模型中各个部位间存在空间限制关系，这 作向量的维度是4×18+2×9×9，为234维。特征 也为仅用肢体角度信息表述姿态提供了基础，因此 提取后同一进行归一化处理。 每个肢体表示为P=( 。 一 3 实验结果 段十几秒的视频当中包含着三 四百帧图像信 息，如果将每一帧的关键肢体角度特征级联，所组成 实验部分采用 KTHactiondataset数据集 。做 的特征 向量维度很大，并且会降低姿态识别准确率。 测试。KTH数据集包含了600个灰度视频，其 中共 为了降低维度，实验当中分别对每个肢体定义