科创中国

本发明适用于模式识别技术领域，提供了一种人体动作的识别方法及装置，所述识别方法包括：获取深度图像序列，对所述深度图像序列进行变换得到对应的深度运动序列；对所述深度运动序列进行时间维度上的划分和空间维度上的划分，得到多个运动历史立方体及其对应的多个空间子立方块；根据所述空间子立方块计算所述运动历史立方体对应的特征向量，组合所述多个运动历史立方体对应的特征向量，得到所述深度运动序列的特征向量；根据所述深度运动序列的特征向量，利用支持向量机SVM进行模型训练和测试，以得到人体动作的识别结果。本发明解决了现有人体动作识别方法存在自遮挡的问题，增强了对人体运动的描述能力，提高了人体动作的识别准确度。

一种人体动作的识别方法，其特征在于，所述识别方法包括：获取深度图像序列，对所述深度图像序列进行变换得到对应的深度运动序列；对所述深度运动序列进行时间维度上的划分，获得每一个时间区域内的运动历史立方体；针对每一个时间区域内的运动历史立方体，按照预设的空间网格对所述运动历史立方体进行空间维度上的划分，获得每一个运动历史立方体对应的多个空间子立方块；根据每一个运动历史立方体对应的空间子立方块计算所述运动历史立方体对应的特征向量，连接所述每一个时间区域内的运动历史立方体对应的特征向量，得到所述深度运动序列的特征向量；根据所述深度运动序列的特征向量，利用支持向量机SVM进行模型训练和测试，以得到人体动作的识别结果；所述获取深度图像序列，对所述深度图像序列进行变换得到对应的深度运动序列包括：获取所述深度图像序列中的任意第i帧深度图像，将所述第i帧深度图像投影到笛卡尔坐标系的三个正交平面上，获取每一个正交平面上的投影图像，得到所述第i帧深度图像的正视角投影图像、侧视角投影图像以及俯视角投影图像

为了准确衡量动作标签的相似度，现有技术提出了多种基于深度图像序列的人体动作识别方法，比如三维点云、人体骨架模型以及超曲面法向量等方法。然而，现有技术通过深度图像序列进行人体动作识别的方法依然存在以下几个方面的缺点：

1.在人体自遮挡情况下，比如“胸前挥手”，动作识别的准确度不高；

2.对物体在时间尺度上的运动信息的描述能力不够强，比如“放下东西”和“拿起东西”；

3.所选取的特征较为复杂且数据维度高，增加了特征抽取和动作分类的计算复杂度，实用性较差。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

与现有技术相比，本发明实施例通过将获取到的深度图像序列变换为对应的深度运动序列，解决了现有人体动作识别方法存在的自遮挡问题。再通过对所述深度运动序列进行时间维度上的划分以及空间维度上的划分，得到多个空间子立方块，然后根据所述空间子立方块计算得到所述运动历史立方体对应的特征向量，进而得到所述深度运动序列的特征向量；最后利用支持向量机SVM进行模型训练和测试，以得到人体动作的识别结果。通过本发明实施例所得到的深度运动序列的特征向量增强了对人体运动的描述能力，有效地描述了人体在空间的位移变化情况，从而提高了对人体动作识别的准确度，且解决了现有人体动作识别方法存在的自遮挡问题。

技术合作

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。