一种基于MHI和支持向量机的人体动作识别方法.pdf

第16卷 第2期 Vo1．16NO．2 2017年2月 Feb．2017 一 种基于 NIHI和支持向量机的人体动作识别方法 周佳琪 ，智 敏 (内蒙古师范大学 计算机与信 息工程学院，内蒙古 呼和浩特 010020) 摘 要 ：针对人体动作识别问题，研究了一种基于运动历史图像 (MotionHistoryImages，MHI)的人体动作识别方 法。利用从运动 图像序列获得的MHI图像获取视频帧 中运动 目标的运动特征 ，由运动特征的变化分类确定人体动 作种 类 ，同时给 出相应 的实验结果。 关键词 ：人体运动识别；运动历史图像；Hu矩；Zernike矩 DOI：10．11907／rjdk．162257 中图分类号 ：TP301 文献标识码 ：A 文章编号 ：1672—7800(2017)002—0036—03 人体运动 目标的跟踪 、基于图像序列 的人体动作识别 。 0 引言 1 基本原理 人体运动识别是计算机视觉领域 中的一个非常重要 的研究课题 ，在公共场所 的视频监控 、人流量较大场所 的 本文通 过获得监 控 图像 的 MHI图像 的 Hu矩 和 智能安防，以及新兴 的虚拟现实、人机交互 、人工智能等方 Zernike矩特征进行 SVM 分类 ，来实现人体动作识别 ，该 面都有十分广 阔的应用前景 ，具有重大的研究意义 。基于 方法 的基本过程可以分为 4个阶段 ： 视频 的人体运动识别技术 的关键 ，是通过从视频 中提取可 (1)运动检测阶段 。即从监控视频 中提取 出每一帧， 靠有效的特征来表征人体 的动作姿态 ，并通过对这些动作 并通过图像分割方法分离出运动物体 。本文采用最常用 进行标记 ，借助机器学习方法来实现人体动作的识别 。姿 的背景减 除法 ，同时添加 了背景模型 的 自动更新功能 。该 态识别是人体动作识别 的前身，常用方法有两种 ：第一种 方法能够快速有效地分割 出运动物体 ，计算速度较快并且 是利用传感器制作可穿戴设备，比如戴在身体上的加速度 具有 良好 的 自适应能力 。 计 或装在衣服上的张力传感器 ]，可穿戴传感器 的特点 (2)MHI图像获取阶段 。由于运动历史 图像能够很 是精确直接 ，但会对肢体运动造成束缚 ，而且携带不方便， 好地描述运动发生 的位置 、区域 ，以及运动方 向和运动轨 会给用户带来额外的负担 ，实用性较弱 ；第二种是利用视 迹 ，利用运动历史 图像可以精确地得到运动 区域 。 觉捕捉技术 J，例如视频监控 图像或者静态 图像 ，通过对 (3)Hu矩和 Zernike矩提取 阶段 。即有效地提取 出 视觉数据的处理来提取有用的信息并判断人体 的动作。 这两种全局特征 ，并进行特征融合。 基于视觉捕捉技术在特征表征方面，最直观的方法是采用 (4)人体动作标记和识别阶段 。根据获取 出的视频帧 人体轮廓作为姿势特征表达 。但是轮廓特征是从人体 的运动历史 图像 的 MHI特征值 和 MBH 特征值 ，使用 整体的角度来描述姿势，忽略了身体各部位 的细节变化 ， SVM 分类器分析判断并标记 出人体动作 的种类 。 不能精确地表示多种多样 的人体姿势。有研究_6采用基 于身体部位的姿势表达，即将人体轮廓分成若干个身体部 2 运动人体检测 位，例如颈部、躯干和腿等。由于这些姿势特征都是从二 维彩色图像中抽取而来，需要克服人体定位、肢体遮挡、不 目前使用最广泛最常见的 目标检测算法主要有背景 同光照条件对