摘 要：針對(duì)視頻中的人體動(dòng)作分析，目前常用方法難免特征參數(shù)不穩(wěn)定和計(jì)算復(fù)雜度高。而將其劃分成不同的姿態(tài)，并根據(jù)姿態(tài)特征對(duì)動(dòng)作識(shí)別的貢獻(xiàn)程度，分主次地分析處理，可以降低計(jì)算復(fù)雜度。這里提出了一種基于動(dòng)作幅度變化率的動(dòng)作和姿態(tài)分割方法。在視頻中提取運(yùn)動(dòng)人體，根據(jù)人體運(yùn)動(dòng)特征隨時(shí)間的變化率實(shí)現(xiàn)動(dòng)作單元分割。

關(guān)鍵詞：動(dòng)作；姿態(tài)；分割；視頻

中圖分類號(hào)：TP391

視頻中人體運(yùn)動(dòng)的分割與識(shí)別是近年來計(jì)算機(jī)視覺、計(jì)算機(jī)圖像學(xué)等領(lǐng)域中的前沿研究方向，它從包含人的圖像序列中檢測(cè)、識(shí)別、跟蹤人并對(duì)其行為進(jìn)行理解和描述[1]。本文針對(duì)人體動(dòng)作狀態(tài)隨時(shí)間變化的特點(diǎn)，提出了一種基于動(dòng)作幅度變化率的姿態(tài)分割方法，用于對(duì)人體運(yùn)動(dòng)過程進(jìn)行動(dòng)作及姿態(tài)分割。

1 運(yùn)動(dòng)人體提取與處理

本文定位于指定運(yùn)動(dòng)的動(dòng)作與姿態(tài)分割，運(yùn)動(dòng)場(chǎng)景固定，為避免靜止人體部位引起的誤檢，因此采用背景減除法。背景減除法的關(guān)鍵之處在于背景模型的建立，本文采用均值法建立背景模型[2-3]。

2 運(yùn)動(dòng)狀態(tài)特征

2.1 輪廓特征

本文主要是驗(yàn)證運(yùn)用運(yùn)動(dòng)幅度進(jìn)行動(dòng)作姿態(tài)分割的可行性，所以選擇了對(duì)目標(biāo)大小、遠(yuǎn)近具有不變性、視角影響不大且較為簡(jiǎn)單的動(dòng)作幅度比值即人體高寬比（k）描述運(yùn)動(dòng)人體的姿態(tài)特征[4]。

2.2 簡(jiǎn)單的動(dòng)作變化率

然而人體動(dòng)作幅度（高寬比）所攜帶的運(yùn)動(dòng)信息是非常有限的，所以這里引入幅度變化量輔助分割。本文以d表示相鄰兩幀之間k的變化量。

d（n）=|k（n）-k（n-1）| （2）

圖3所示是仰臥起坐運(yùn)動(dòng)中，d的變化曲線，圖中的時(shí)間/幀與圖2的是完全對(duì)應(yīng)一致的。

通過比對(duì)視頻樣本，d值較大的區(qū)域也對(duì)應(yīng)視頻中人體的上身軀干運(yùn)動(dòng)速度較大的部分，所以我們這里將運(yùn)動(dòng)幅度變化量d值視為能夠反映仰臥起坐速度信息的有用參數(shù)。

3 動(dòng)作及姿態(tài)分割

3.1 動(dòng)作分割

統(tǒng)計(jì)10組視頻（共含有100個(gè)仰臥起坐動(dòng)作單元，視頻的幀頻為24fps）訓(xùn)練樣本的分割結(jié)果，依據(jù)最小誤判概率準(zhǔn)則進(jìn)行監(jiān)督判定，當(dāng)0.85

3.2 姿態(tài)分割

通常人體在完成一個(gè)動(dòng)作單元的過程中，會(huì)經(jīng)歷幾個(gè)不同的姿態(tài)，而其中的關(guān)鍵姿態(tài)包含了動(dòng)作過程的主要信息。這里首先利用公式3將動(dòng)作幅度歸一化生成新的E值曲線。

E=K（n）/Kmax （3）

4 實(shí)驗(yàn)分析

4.1 動(dòng)作單元分割

根據(jù)動(dòng)作分割閾值（0.85

4.2 閾值測(cè)算計(jì)數(shù)單元

對(duì)100個(gè)仰臥起坐動(dòng)作單元進(jìn)行數(shù)據(jù)分析得出它們的分割參數(shù)e值，在一組視頻中將第一個(gè)0.9

4.3 實(shí)驗(yàn)結(jié)果分析

它們的結(jié)果數(shù)值很接近，因此實(shí)驗(yàn)結(jié)果證明通過動(dòng)作幅度進(jìn)行姿態(tài)分割的方法是可行的。

5 結(jié)束語

利用動(dòng)作及姿態(tài)的分割的方法可以將人體運(yùn)動(dòng)分解為多個(gè)步驟，將原本復(fù)雜的運(yùn)動(dòng)過程轉(zhuǎn)化為靜態(tài)模型進(jìn)行處理。本文提出的基于動(dòng)作幅度的識(shí)別優(yōu)勢(shì)在于借助人體運(yùn)動(dòng)的固有特點(diǎn)進(jìn)行分析計(jì)算，對(duì)于參數(shù)線性較好，周期性的簡(jiǎn)單動(dòng)作的識(shí)別有著較大的優(yōu)勢(shì)。而在另一方面其準(zhǔn)確性等諸多方面還有提高的空間，而更高的準(zhǔn)確性等可以為后續(xù)的動(dòng)作識(shí)別和分析奠定堅(jiān)實(shí)基礎(chǔ)，這也是本文下一步的工作重心和努力的方向所在。

參考文獻(xiàn)：

[1]XU G，Ma YF，ZHANG HJ，YANG SQ. Motion based event recognition using HMM [A].In： Proceedings of IEEE International Conference on Pattern Recognition [C]，Quebec，Canada，2002：831-834.

[2]徐光祐，曹媛媛.動(dòng)作識(shí)別與行為理解綜述[J].中國圖象圖形學(xué)報(bào)，2009（02）：189-195.

[3]楊躍東，王莉莉，郝愛民，封春升.基于幾何特征的人體運(yùn)動(dòng)捕獲數(shù)據(jù)分割方法[J].系統(tǒng)仿真學(xué)報(bào)，2007（10）：2229-2234.

[4]張艷，郭繼昌，王琛.運(yùn)動(dòng)目標(biāo)檢測(cè)中的環(huán)境感知與自適應(yīng)研究[J].計(jì)算機(jī)應(yīng)用，2011（07）：1827-1830.

[5]郭利，姬曉飛，李平，曹江濤.基于混合特征的人體動(dòng)作識(shí)別改進(jìn)算法[J].計(jì)算機(jī)應(yīng)用研究，2013（02）：601-604.

作者簡(jiǎn)介：邱春明（1989-），男，山東臨沂人，碩士研究生，研究方向：數(shù)字圖像處理。

作者單位：河北大學(xué) 電子與信息工程學(xué)院，河北保定 071002