基于動作幅度變化量的視頻動作分割

摘 要：針對視頻中的人體動作分析，目前常用方法難免特征參數不穩定和計算復雜度高。而將其劃分成不同的姿態，并根據姿態特征對動作識別的貢獻程度，分主次地分析處理，可以降低計算復雜度。這里提出了一種基于動作幅度變化率的動作和姿態分割方法。在視頻中提取運動人體，根據人體運動特征隨時間的變化率實現動作單元分割。

關鍵詞：動作；姿態；分割；視頻

中圖分類號：TP391

視頻中人體運動的分割與識別是近年來計算機視覺、計算機圖像學等領域中的前沿研究方向，它從包含人的圖像序列中檢測、識別、跟蹤人并對其行為進行理解和描述[1]。本文針對人體動作狀態隨時間變化的特點，提出了一種基于動作幅度變化率的姿態分割方法，用于對人體運動過程進行動作及姿態分割。

1 運動人體提取與處理

本文定位于指定運動的動作與姿態分割，運動場景固定，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 運動狀態特征

2.1 輪廓特征

本文主要是驗證運用運動幅度進行動作姿態分割的可行性，所以選擇了對目標大小、遠近具有不變性、視角影響不大且較為簡單的動作幅度比值即人體高寬比（k）描述運動人體的姿態特征[4]。

2.2 簡單的動作變化率

然而人體動作幅度（高寬比）所攜帶的運動信息是非常有限的，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所示是仰臥起坐運動中，d的變化曲線，圖中的時間/幀與圖2的是完全對應一致的。

通過比對視頻樣本，d值較大的區域也對應視頻中人體的上身軀干運動速度較大的部分，所以我們這里將運動幅度變化量d值視為能夠反映仰臥起坐速度信息的有用參數。

3 動作及姿態分割

3.1 動作分割

統計10組視頻（共含有100個仰臥起坐動作單元，視頻的幀頻為24fps）訓練樣本的分割結果，依據最小誤判概率準則進行監督判定，當0.85

3.2 姿態分割

通常人體在完成一個動作單元的過程中，會經歷幾個不同的姿態，而其中的關鍵姿態包含了動作過程的主要信息。這里首先利用公式3將動作幅度歸一化生成新的E值曲線。

E=K（n）/Kmax （3）

4 實驗分析

4.1 動作單元分割

根據動作分割閾值（0.85

4.2 閾值測算計數單元

對100個仰臥起坐動作單元進行數據分析得出它們的分割參數e值，在一組視頻中將第一個0.9

4.3 實驗結果分析

它們的結果數值很接近，因此實驗結果證明通過動作幅度進行姿態分割的方法是可行的。

5 結束語

利用動作及姿態的分割的方法可以將人體運動分解為多個步驟，將原本復雜的運動過程轉化為靜態模型進行處理。本文提出的基于動作幅度的識別優勢在于借助人體運動的固有特點進行分析計算，對于參數線性較好，周期性的簡單動作的識別有著較大的優勢。而在另一方面其準確性等諸多方面還有提高的空間，而更高的準確性等可以為后續的動作識別和分析奠定堅實基礎，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：

[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.動作識別與行為理解綜述[J].中國圖象圖形學報，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動捕獲數據分割方法[J].系統仿真學報，2007（10）：2229-2234.

[4]張艷，郭繼昌，王琛.運動目標檢測中的環境感知與自適應研究[J].計算機應用，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作識別改進算法[J].計算機應用研究，2013（02）：601-604.

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

作者單位：河北大學 電子與信息工程學院，河北保定 071002