CN104966055A - 一种基于视频的人体动作解析方法 - Google Patents

一种基于视频的人体动作解析方法 Download PDF

Info

Publication number
CN104966055A
CN104966055A CN201510321957.0A CN201510321957A CN104966055A CN 104966055 A CN104966055 A CN 104966055A CN 201510321957 A CN201510321957 A CN 201510321957A CN 104966055 A CN104966055 A CN 104966055A
Authority
CN
China
Prior art keywords
video
human
human body
sectional drawing
action
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201510321957.0A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei City Emblem Rises Network Technology Co Ltd
Original Assignee
Hefei City Emblem Rises Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hefei City Emblem Rises Network Technology Co Ltd filed Critical Hefei City Emblem Rises Network Technology Co Ltd
Priority to CN201510321957.0A priority Critical patent/CN104966055A/zh
Publication of CN104966055A publication Critical patent/CN104966055A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

一种基于视频的人体动作解析方法,它涉及计算机视觉与模式技术领域,通过将视频中的截图进行色彩的调节来对比,再根据公式计算出图像的差值;将截图的中心重合,以中心为圆心定时转动截图,计算出运动人体的空间特征;将剩余的视频中的截图按照上述步骤操作,获得特征向量,综合分析后获得人体运动姿态的最终特征向量;通过上述特征向量训练分类器;通过公式计算出每个标签的向量;通过函数计算出识别结果。它借助于人体运动的时间和空间的信息,通过较少的已知动作样本便能够使器具具备较高的分辨能力识别的效果好。

Description

一种基于视频的人体动作解析方法
技术领域:
    本发明涉及计算机视觉与模式技术领域,具体涉及一种基于视频的人体动作解析方法。
背景技术:
动作分析是方法研究的另外一个内容,主要研究分析人在进行各种操作时的身体动作,以消除多余的动作,减轻劳动强度,使操作简便更有效,从而制定出最佳的动作程序。
生产活动实际上是由人和机械设备对材料或零部件进行加工或检验组成的,而所有的检验或加工又都有是由一系列的动作所组成,这些动作的快慢、多少、有效与否,直接影响了生产效率的高低。
许多工厂对工序动作的安排,往往是在产品刚开始生产时安排一次,此后除非出现重大问题很少进行变更。效率的提高一般视作业者的动作熟练程度而定,随着动作的逐渐熟练,作业者对作业动作习以为常,完全在无意识中进行操作。实际上,这样的作法潜藏着极大的效率损失。
现在也有不少专利中提及人体动作的识别方法,但是那些方法的灵活性小,不能适用于任何人。
发明内容:
本发明的目的是提供一种基于视频的人体动作解析方法,它借助于人体运动的时间和空间的信息,通过较少的已知动作样本便能够使器具具备较高的分辨能力,用于视频中人体在各帧的动作类别,主要是一些常见的动作,识别的效果好。
为了解决背景技术所存在的问题,本发明是采用以下技术方案:它包含如下步骤:
1、预先获得人体的位置,都相关区域进行分析,在分析时,通过将视频中的截图进行色彩的调节来对比,再根据公式计算出图像的差值;
2、将步骤1中的截图的中心重合,以中心为圆心定时转动截图,查看图形变化,计算出运动人体的空间特征;
3、将视频中所有截图组成一段,探求每相连的15个之间的时间上的关系,因为人体的动作是一个连续过程,一个完整的动作需要一个片段来完成,这样便可计算出人体运动的时间特征;
4、将步骤2和3获得的特征进行拼接,再分析,从而获得特征向量,将剩余的视频中的截图按照上述步骤操作,获得特征向量,综合分析后获得人体运动姿态的最终特征向量;
5、通过上述特征向量训练分类器,首先建立图标并根据函数进行分析,最后建立趋向图;
6、通过公式计算出每个标签的向量;
7、通过函数计算出识别结果。
本发明在操作过程中,提取人体特征融合了轮廓和光流运动特征即空间信息,同时采用了空间信息和时间信息描述人体的运动姿态,这样适用于不同的人群,灵活性大。
本发明具有以下有益效果:它借助于人体运动的时间和空间的信息,通过较少的已知动作样本便能够使器具具备较高的分辨能力,用于视频中人体在各帧的动作类别,主要是一些常见的动作,识别的效果好。
具体实施方式:
本具体实施方式采用以下技术方案:它包含包含如下步骤:
1、预先获得人体的位置,都相关区域进行分析,在分析时,通过将视频中的截图进行色彩的调节来对比,再根据公式计算出图像的差值。
2、将步骤1中的截图的中心重合,以中心为圆心定时转动截图,查看图形变化,计算出运动人体的空间特征。
3、将视频中所有截图组成一段,探求每相连的15个之间的时间上的关系,因为人体的动作是一个连续过程,一个完整的动作需要一个片段来完成,这样便可计算出人体运动的时间特征。
4、将步骤2和3获得的特征进行拼接,再分析,从而获得特征向量,将剩余的视频中的截图按照上述步骤操作,获得特征向量,综合分析后获得人体运动姿态的最终特征向量。
5、通过上述特征向量训练分类器,首先建立图标并根据函数进行分析,最后建立趋向图。
6、通过公式计算出每个标签的向量。
7、通过函数计算出识别结果。
本具体实施方式在操作过程中,提取人体特征融合了轮廓和光流运动特征即空间信息,同时采用了空间信息和时间信息描述人体的运动姿态,这样适用于不同的人群,灵活性大。
本具体实施方式具有以下有益效果:它借助于人体运动的时间和空间的信息,通过较少的已知动作样本便能够使器具具备较高的分辨能力,用于视频中人体在各帧的动作类别,主要是一些常见的动作,识别的效果好。

Claims (1)

1.一种基于视频的人体动作解析方法,其特征在于它包含如下步骤:(1)、预先获得人体的位置,都相关区域进行分析,在分析时,通过将视频中的截图进行色彩的调节来对比,再根据公式计算出图像的差值;(2)、将步骤(1)中的截图的中心重合,以中心为圆心定时转动截图,查看图形变化,计算出运动人体的空间特征;(3)、将视频中所有截图组成一段,探求没相连的15个之间的时间上的关系,因为人体的动作是一个连续过程,一个完整的动作需要一个片段来完成,这样便可计算出人体运动的时间特征;(4)、将步骤(2)和(3)获得的特征进行拼接,再分析,从而获得特征向量,将剩余的视频中的截图按照上述步骤操作,获得特征向量,综合分析后获得人体运动姿态的最终特征向量;(5)、通过上述特征向量训练分类器,首先建立图标并根据函数进行分析,最后建立趋向图;(6)、通过公式计算出每个标签的向量;(7)、通过函数计算出识别结果。
CN201510321957.0A 2015-06-12 2015-06-12 一种基于视频的人体动作解析方法 Withdrawn CN104966055A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510321957.0A CN104966055A (zh) 2015-06-12 2015-06-12 一种基于视频的人体动作解析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510321957.0A CN104966055A (zh) 2015-06-12 2015-06-12 一种基于视频的人体动作解析方法

Publications (1)

Publication Number Publication Date
CN104966055A true CN104966055A (zh) 2015-10-07

Family

ID=54220093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510321957.0A Withdrawn CN104966055A (zh) 2015-06-12 2015-06-12 一种基于视频的人体动作解析方法

Country Status (1)

Country Link
CN (1) CN104966055A (zh)

Similar Documents

Publication Publication Date Title
Wu et al. Detection and counting of banana bunches by integrating deep learning and classic image-processing algorithms
US20190147283A1 (en) Deep convolutional neural networks for crack detection from image data
JP2018063681A5 (zh)
CN111144262A (zh) 一种基于监控视频的工序异常检测方法
WO2019243897A3 (en) System and method for detection and classification of objects of interest in microscope images by supervised machine learning
CN110991315A (zh) 一种基于深度学习的安全帽佩戴状态实时检测方法
CA2931845C (en) Analysis of a multispectral image
JP2012145981A5 (zh)
CN104156729B (zh) 一种教室人数统计方法
CN109633106B (zh) 一种在线农药残留快速检测方法、系统及存储介质
CN104463088A (zh) 一种基于视频的人体动作解析方法
JP2010268163A5 (ja) 画像処理装置、画像処理装置の制御方法、およびプログラム
JP2014229115A5 (zh)
Zhang et al. Design and operation of a deep-learning-based fresh tea-leaf sorting robot
CN103902989A (zh) 基于非负矩阵分解的人体动作视频识别方法
Yusuf et al. Blob analysis for fruit recognition and detection
Guo et al. Research on optimization of static gesture recognition based on convolution neural network
CN103914829B (zh) 一种含噪图像边缘检测方法
JP2013250932A5 (zh)
CN115760893A (zh) 一种基于核相关滤波算法的单雾滴粒径和速度测量方法
EP2733643A3 (en) System and method facilitating designing of classifier while recognizing characters in a video
CN207752527U (zh) 一种机器人动态抓取系统
CN107909049B (zh) 基于最小二乘判别分析距离学习的行人重识别方法
CN104966055A (zh) 一种基于视频的人体动作解析方法
CN105138948A (zh) 一种基于视频的人体动作解析方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20151007