基于改进坐标转换的人体运动轨迹识别方法

于燕山，郭鹏

(1.西安工程大学 体育部，陕西 西安 710048；2.沧州交通学院 通识教育学院，河北 沧州 061199)

0 引言

视频内容中人物活动分析在人机交互、虚拟现实、视频检索以及内容识别等方面应用广泛，引起学术界的广泛关注[1]。唐超等[2]提出基于多视图半监督学习的人体行为识别方法，提出3种模态视图数据表征人体动作，使用多视图半监督学习框架建模，利用不同视图提供的互补信息确保少量标记和大量未标记数据半监督学习取得更好的分类精度，实现人体行为识别。李梁华等[3]提出高效3D密集残差网络及其在人体行为识别中的应用。设计了高效 3D卷积块替换原来计算量大的 3×3×3卷积层用于人体行为识别。高效 3D卷积块由获取视频空间特征的 1×3×3卷积层和获取视频时间特征的3×1×1卷积层组合而成。将高效 3D卷积块组合在密集残差网络的多个位置中，完成人体行为的识别。

当前常用的人体行为识别方法受到复杂背景、可变光照及视角变化等影响，无法准确识别人体运动轨迹。为此，提出基于改进坐标转换的人体运动轨迹识别方法，通过研究关节活动幅度轨迹对人体运动轨迹进行深入分析。

1 改进坐标转换下人体运动轨迹识别

1.1 人体运动区域分割

本节对视频中人体运动区域进行分割，为后续处理提供基础，降低整体计算量[4]。区域分割通过背景提取与差分二级化实现。

通过背景消除法对人体运动轨迹区域进行分割时，需从图像序列中恢复背景图像[5]，假设{Om,m=1,2,…,M}为含M帧图像的视频，那么背景图像G获取式为式(1)。……