舞蹈视频图像中人体动作识别技术的研究

《舞蹈视频图像中人体动作识别技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、舞蹈视频图像中人体动作识别技术的研究摘要：主要研究采用图像预处理、3DZernike矩、建立码书和支持向量机(SVM)等技术对动作视频中的人体动作进行识别。仿真试验结果表明，采用该方法可以有效地对KTH和A?go?go舞蹈视频数据库进行识别，但可以有效地识别舞蹈动作，进而对舞者进行动作纠正。关键词：舞蹈视频；人体动作识别；SVM；图像分割中图分类号：TN911.73734文献标识码：A文章编号：10049373X(2017)03?0051?03Researchonrecognitiontechnol

2、ogyforhuman?bodyactionindancevideoimageCHENLifeng(CollegeofPhysicalEducation,ZhengzhouUniversity,Zhengzhou450044,China)Abstract：Thetechnologicsofimageprcprocessing,3DZernikemoment,codebookestablishmentandsupportvectormachine(SVM)usedtorecognizethehuman

3、?bodyactioninmovementvideoarestudied.TheresultsofsimulationexperimentshowthatthemethodcanidentifytheKTHandA?go?godancevideodatabaseeffectively.Themethodcanrecognizethedancemovementavailably,andcorrectthedancers'action.imagesegmentation0引言视频中的人体动作识别是目前计

4、算机研究中的一个热点，其目的是通过各种图像处理和识别分类技术对视频屮的动作进行提取和分析，以判断视频中的人物所进行的动作，从而得出有用的信息，具有十分广泛的用途。视频人体动作识别的关键是对原视频图像进行合理的预处理，然后提取视频图像的特征并进行描述和分类［1?2］。视频动作识别技术与舞蹈艺术相结合的相关研究目前在国内刚起步。通过对舞蹈视频应用人体动作识别技术可以有效地识别舞蹈动作姿势。通过比对视频动作与标准动作，可以对舞者的舞蹈姿势进行评价，从而给出修改建议，是一种先进的辅助训练方式［3］。本文采用

5、视频人体动作识别的相关技术，先以较为简单的KTH?稻耘皮盗烦鮎行V?SVM分类器，再利用更为复杂的A?go?go舞蹈视频数据库对SVM分类器进行强化训练，最后利用训练所得的成熟分类器对A?go?go舞蹈视频进行识别，并获得了较好的分类效果，本文的研究思路如图1所示。1视频图像的数字化处理1.1灰度变换对视频图像进行数字计算识别前，必须先进行灰度变换，图像阈值化和图像分割等预处理，以降低计算机的运算量，并提取出有效信息。通常视频图像最初都是真彩图像，即RGB图像，它的每个像素都由R,G,B三原色构成。

6、由于直接对真彩图像进行处理的运算量十分巨大，分析效率较低。因此，本文采用灰度变换的方法将视频图像处理为灰度图像，降低图像包含的色彩信息，灰度化后的图像如图2所示。1.2运动图像阈值化图像阈值化的目的是为了获取运动图像的二值化图像，主要实现手段是选择合适的阈值，以阈值为区分标准，然后将像素灰度值分为两类，从而实现对运动图像的分割，阈值一般可写成如下形式：［T=Tx,y,f(x,y),p(x,y)］(1)式中：Lfx,y］是在像素点［x,y］处的灰度值；［px,y］是该点的灰度梯度函数。采用式(1)即可

7、求岀二值化后的图像。1.3运动图像分割得到了动作视频当前时刻的二值图像后，需要将运动区域从场景中分离出来，这涉及到运动区域分割。木文采用Matlab软件自带的二值图像处理函数通过设置合适的阈值找到运动屮的人体轮廓的边缘。具体做法为：设当前时刻为［t,］检测视频在时刻［I］的帧为［P(x,y,t),］尺寸为［MXN,］得到二值图像为［Ax,y,t］o对于［t］时刻，二值化图像［Ax,y,t］的前景灰度值为255,背景灰度值为0。设定沿着［A］的列向量进行扫描，统计每一列中前景像素的数目［C(l

8、)o］从这［n］个频率数据中挑选出最大值［Ci,］该最大值对应的列序列号标定为［i。］如果［Ci］与帧之间的行数［m］之比大于［16,］则判断当前帧包含运动人体的区域，如果［116