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(shù)不穩(wěn)定和計算復雜度高。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(tài)分割方法。在視頻中提取運動人體，根據(jù)人體運動特征隨時間的變化率實現(xiàn)動作單元分割。

關鍵詞：動作；姿態(tài)；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(tài)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(tài)分割方法，用于對人體運動過程進行動作及姿態(tài)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(tài)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(tài)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(tài)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(tài)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(qū)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(shù)。

3 動作及姿態(tài)分割

3.1 動作分割

統(tǒng)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(jù)最小誤判概率準則進行監(jiān)督判定，當0.85

3.2 姿態(tài)分割

通常人體在完成一個動作單元的過程中，會經(jīng)歷幾個不同的姿態(tài)，而其中的關鍵姿態(tài)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(jù)動作分割閾值（0.85

4.2 閾值測算計數(shù)單元

對100個仰臥起坐動作單元進行數(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0.9

4.3 實驗結果分析

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

5 結束語

利用動作及姿態(tài)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(tài)模型進行處理。本文提出的基于動作幅度的識別優(yōu)勢在于借助人體運動的固有特點進行分析計算，對于參數(shù)線性較好，周期性的簡單動作的識別有著較大的優(yōu)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(xù)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(shù)據(jù)分割方法[J].系統(tǒng)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(huán)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(shù)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