基于动作幅度变化量的视频动作分割

摘 要：针对视频中的人体动作分析，目前常用方法难免特征参数不稳定和计算复杂度高。而将其划分成不同的姿态，并根据姿态特征对动作识别的贡献程度，分主次地分析处理，可以降低计算复杂度。这里提出了一种基于动作幅度变化率的动作和姿态分割方法。在视频中提取运动人体，根据人体运动特征随时间的变化率实现动作单元分割。

关键词：动作；姿态；分割；视频

中图分类号：TP391

视频中人体运动的分割与识别是近年来计算机视觉、计算机图像学等领域中的前沿研究方向，它从包含人的图像序列中检测、识别、跟踪人并对其行为进行理解和描述[1]。本文针对人体动作状态随时间变化的特点，提出了一种基于动作幅度变化率的姿态分割方法，用于对人体运动过程进行动作及姿态分割。

1 运动人体提取与处理

本文定位于指定运动的动作与姿态分割，运动场景固定，为避免静止人体部位引起的误检，因此采用背景减除法。背景减除法的关键之处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 运动状态特征

2.1 轮廓特征

本文主要是验证运用运动幅度进行动作姿态分割的可行性，所以选择了对目标大小、远近具有不变性、视角影响不大且较为简单的动作幅度比值即人体高宽比（k）描述运动人体的姿态特征[4]。

2.2 简单的动作变化率

然而人体动作幅度（高宽比）所携带的运动信息是非常有限的，所以这里引入幅度变化量辅助分割。本文以d表示相邻两帧之间k的变化量。

d（n）=|k（n）-k（n-1）| （2）

图3所示是仰卧起坐运动中，d的变化曲线，图中的时间/帧与图2的是完全对应一致的。

通过比对视频样本，d值较大的区域也对应视频中人体的上身躯干运动速度较大的部分，所以我们这里将运动幅度变化量d值视为能够反映仰卧起坐速度信息的有用参数。

3 动作及姿态分割

3.1 动作分割

统计10组视频（共含有100个仰卧起坐动作单元，视频的帧频为24fps）训练样本的分割结果，依据最小误判概率准则进行监督判定，当0.85

3.2 姿态分割

通常人体在完成一个动作单元的过程中，会经历几个不同的姿态，而其中的关键姿态包含了动作过程的主要信息。这里首先利用公式3将动作幅度归一化生成新的E值曲线。

E=K（n）/Kmax （3）

4 实验分析

4.1 动作单元分割

根据动作分割阈值（0.85

4.2 阈值测算计数单元

对100个仰卧起坐动作单元进行数据分析得出它们的分割参数e值，在一组视频中将第一个0.9

4.3 实验结果分析

它们的结果数值很接近，因此实验结果證明通过动作幅度进行姿态分割的方法是可行的。

5 结束语

利用动作及姿态的分割的方法可以将人体运动分解为多个步骤，将原本复杂的运动过程转化为静态模型进行处理。本文提出的基于动作幅度的识别优势在于借助人体运动的固有特点进行分析计算，对于参数线性较好，周期性的简单动作的识别有着较大的优势。而在另一方面其准确性等诸多方面还有提高的空间，而更高的准确性等可以为后续的动作识别和分析奠定坚实基础，这也是本文下一步的工作重心和努力的方向所在。

参考文献：

[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.动作识别与行为理解综述[J].中国图象图形学报，2009（02）：189-195.

[3]杨跃东，王莉莉，郝爱民，封春升.基于几何特征的人体运动捕获数据分割方法[J].系统仿真学报，2007（10）：2229-2234.

[4]张艳，郭继昌，王琛.运动目标检测中的环境感知与自适应研究[J].计算机应用，2011（07）：1827-1830.

[5]郭利，姬晓飞，李平，曹江涛.基于混合特征的人体动作识别改进算法[J].计算机应用研究，2013（02）：601-604.

作者简介：邱春明（1989-），男，山东临沂人，硕士研究生，研究方向：数字图像处理。

作者单位：河北大学 电子与信息工程学院，河北保定 071002