人体动作姿态的自动识别方法研究.pdf

《人体动作姿态的自动识别方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３５卷第４期西南师范大学学报（自然科学版）２０１０年８月Ｖｏｌ．３５Ｎｏ．４ＪｏｕｒｎａｌｏｆＳｏｕｔｈｗｅｓｔＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ａｕｇ．２０１０文章编号：１０００－５４７１（２０１０）０４－０１３６－０５人体动作姿态的自动识别方法研究＊黄国范１，程小平１，任菲２１．西南大学计算机与信息科学学院，重庆４００７１５；２．重庆邮电大学计算机科学与技术学院，重庆４０００６５摘要：提出了一种人体动作姿态的自动识别算法，用运动历史图像和运动能量图像分别表示动作姿态发生的区域以及动作姿态发生的过程，并从中提取出改进的不变矩

2、作为特征向量进行人体动作姿态的自动识别，实验结果表明，该算法显著地提高了人体动作姿态的识别效率．关键词：运动历史图像；运动能量图像；不变矩；位置加权函数中图分类号：ＴＰ３９１文献标识码：Ａ目前，基于视觉的人的运动分析是一个非常活跃的研究领域，而对人体的动作姿态进行自动识别更是该领域内一个备受关注的研究方向，因为人体运动分析的最终目标就是使计算机能够像人那样通过观察来分析和理解人的个人行为、人与人之间及人与其它目标的交互行为等．对人体动作姿态进行自动识别将带来一种全新的交互方式，具有广泛的应用前景．但是，关于人体动作姿态自动识别的研究还处在一个相对基础的阶段，因为人体的运动是一个非常

3、复杂的系统，具有很大的自由度和高度非线性的特点，所以如何选择充分有效的表达方式来描述场景中的人的动作姿态是非常困难的．而且，具体的应用领域对人体动作姿态的自动识别算法也有着特殊的要求，既要保证识别的准确性，同时还要有较低的计算复杂性以满足很多应用领域的实时性要求．目前，用于人体［１－２］动作姿态识别的方法主要有模板匹配法和状态空间法，但这些方法通常是在计算代价和准确度之间进行折中，故仍需寻找和开发新的技术以利于提高识别的准确度，同时又能降低计算的复杂度．本文介绍了一种人体动作姿态的自动识别方法．首先检测出图像序列中的人体动作姿态，并通过运动历史图像（ＭＨＩ，ｍｏｔｉｏｎｈｉｓｔｏｒ

4、ｙｉｍａｇｅｓ）和运动能量图像（ＭＥＩ，ｍｏｔｉｏｎｅｎｅｒｇｙｉｍａｇｅｓ）进行人体动作姿态的表示．在特征向量的选择上，对经典不变矩进行改进，即在不变矩中增加一个位置加权函数，提高人体质心附近区域在不变矩计算中所占的比重，以降低噪声的干扰，提高识别的准确率．最后通过学习训练建立姿态模板库，运用模板匹配的方法进行人体动作姿态的自动识别．１基于ＭＨＩ和ＭＥＩ的人体动作姿态的表示为了进行人体动作姿态的表示，首先必须检测出图像序列中的人体动作姿态．运动检测的方法有很多种，但最基本的方法是时间差分法，它计算量小、实时性好，具有一定的应用价值．由于运动检测的性能会直接影响到人体动作姿态的识别

5、效果，因此，本文采用一种比较高效的图像差分方法．１．１运动检测时间差分法通常是在连续的图像序列中比较２个或３个相邻帧对应像素点发生的相对变化，得到差分图像进而阈值化来提取图像中的运动区域．连续３帧差分法是对２帧差分法的一种扩展应用，具有较好的［３］图像差分性能．采用如下差分方法：＊收稿日期：２００８－０６－０２作者简介：黄国范（１９８１－），女，河南邓州人，硕士，主要从事人工智能理论及应用．第４期黄国范，等：人体动作姿态的自动识别方法研究１３７Ｄ（ｘ，ｙ，ｎ）＝Ｉ（ｘ，ｙ，ｎ－１）－２Ｉ（ｘ，ｙ，ｎ）＋Ｉ（ｘ，ｙ，ｎ＋１）（１）其中：Ｉ（ｘ，ｙ，ｎ）表示第ｎ帧图像中位置（ｘ，ｙ）处

6、的象素亮度值，Ｄ（ｘ，ｙ，ｎ）是连续３帧差分后的结果，代表了人体动作姿态发生的区域．将Ｄ（ｘ，ｙ，ｎ）阈值化如下：１Ｄ（ｘ，ｙ，ｎ）＞ΓＢ（ｘ，ｙ，ｎ）＝（２）｛０ｏｔｈｅｒｗｉｓｅ其中Γ是所选择的阈值．Γ的选取非常关键，过低则不能有效抑制图像中的噪声，过高则会抑制图像中有用的变化．这里采用局部阈值来找出合适的Γ值．１．２ＭＨＩ和ＭＥＩ采用运动历史图像（ＭＨＩ）和运动能量图像（ＭＥＩ）进行人体动作姿态的表示，其中ＭＥＩ反映了人体动作姿态所发生的区域及强度，而ＭＨＩ则在一定程度上反映了人体动作姿态如何发生以及在时间上如何变［４－５］化．这是一种基于外观的表示方法，无需任何人体结构信息

7、及其三维重建，有利于降低计算复杂度，提高算法的执行效率，保证系统的实时性要求．二值图像ＭＥＩ产生如下：τ－１Ｅτ（ｘ，ｙ，ｔ）＝∪Ｂ（ｘ，ｙ，ｔ－ｉ）（３）ｉ＝０其中：Ｂ（ｘ，ｙ，ｎ）是表示人体动作姿态发生区域的二值图像序列，参数τ表示人体动作姿态的持续时间．因此，ＭＥＩ描述了整个人体动作姿态所发生的区域．ＭＨＩ的产生如下：τＢ（ｘ，ｙ，ｔ）＝１Ｈτ（ｘ，ｙ，ｔ）＝（４）｛ｍａｘ（０，Ｈτ（ｘ，ｙ，ｔ－１）－１）ｏｔｈｅｒｗｉｓｅ运动历史图像ＭＨＩ不仅反映了形状，也反