CN119516618A 基于关键帧提取的人体行为识别方法及系统 （江西中医药大学）

基于关键帧提取的人体行为识别方法及系统本发明提供了一种基于关键帧提取的人体频中的图像划分为K个初始簇，定义左边界集和右边界集，并基于改进的KKF算法迭代遍历左边根据所述最小特征距离筛选出每一最终簇下的2构建人体骨骼模型，所述人体骨骼模型包括多个关将同一帧图像下的位置信息集和角度信息集进行合并连接，得基于帧序将所述目标监测视频中的图像划分为K个初始簇，并根据每一初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法迭代遍历左边界集和右边获取每个最终簇的特征均值集，并计算每个最终簇中的每帧图;;3;其中，表示第i帧图像的多维数据集，MAX(Y)表示对应信息集中的最大值，帧序将所述目标监测视频中的图像划分为K个初始簇，并根据每一初始簇中包含的若干帧每个初始簇的第一帧图像，以形成左边界集{l1,l2,.…,l},选取每个初始簇的最后一帧第K个初始簇，l1、lz、lx分别表示第1个、第2个、第K个初始簇中的第一帧图像，ra、ji右边界集中与初始簇G对应的新的图像与当前簇和下一簇cj+1的新特征距离BY4边界集中与初始簇G对应的新的图像与当前簇和前一簇cj-1的新特征距离BY和;簇ci中的第一帧图像，w?-表示与图像t对应的多维数据集中的第n维数据,、;数据增强模块，用于基于速度系数和身体尺寸系数数据连接模块，用于将同一帧图像下的位置信息集和角度信息集进行合据每一初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法迭代5关键帧提取模块，用于获取每个最终簇的特征均值集，并计算每个最距离中筛选出最小特征距离，并根据所述最小特征距离筛选出每一最终簇下的关键帧图行时实现如权利要求1_7任一项所述的基于关键帧提取的人体行所述处理器用于执行存储器上所存放的计算机程序时，实现如权利要求1_7任一项所6[0002]近年来，随着智能安防和视频监控领域需求的日益增加，人体行为识别（Human[0003]随着深度学习技术的发展，越来越深的神经网络被应用基于速度系数和身体尺寸系数对人体监测视频进行数据增强，得到目标监测视所述三维角度信息构建每一帧图像的角度信基于帧序将所述目标监测视频中的图像划分为K个初始簇，并根据每一初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法迭代遍历左边界集和7每一初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法迭代遍8选取每个初始簇的第一帧图像，以形成左边界集{l,l2,.…,l},选取每个初始簇的最后第K个初始簇，l1、lz、lx分别表示第1个、第2个、第K个初始簇中的第一帧图像，ra、步骤2.1、计算右边界集中与初始簇cj对应的图像j分别与当前簇cj和下一簇次计算右边界集中与初始簇s对应的新的图像与当前簇cj和下一簇cj+1的新特征距;步骤2.2、计算左边界集中与初始簇s对应的图像分别与当前簇s和前一簇cj-1的特征距离BY和；算左边界集中与初始簇对应的新的图像与当前簇和前一簇cj-1的新特征距离9数据增强模块，用于基于速度系数和身体尺寸系数对人体监测视频进行数据增数据连接模块，用于将同一帧图像下的位置信息集和角度信息集进行合并连接，并根据每一初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法被处理器执行时实现上述的基于关键帧提取的人体图5为本发明一实施例提出的基于关键帧提取的人体行为识别系统的结构示意[0025]为了实现这一目标，选择基于相对坐标来构建特征，并通过引入身体尺寸系数处理方式不仅能够有效去除身高和体型对识别的影响，还能够在不同速度下增强数据的多[0028]以VS=1.1为例，当输入的人体监测视频为50帧时，我们通过计算最终的帧数为使得在进行帧的变化时并不会使原有的动作变形而造初始簇中包含的若干帧图像定义左边界集和右边界集，并基于改进的KKF算法迭代遍历左需要重点说明的是，传统的基于无监督自动聚类的关键帧提取算法存在一个缺KKF算法的最终目标是将具有最高时空相似性的帧聚成一类，而具有显著时空差异的帧则C=fc,步骤2.1、计算右边界集中与初始簇c;对应的图像分别与当前簇cj和下一簇次计算右边界集中与初始簇对应的新的图像与当前簇和下一簇cj+1的新特征距;步骤2.2、计算左边界集中与初始簇对应的图像4分别与当前簇和前一簇cj-1的特征距离BY和；次计算左边界集中与初始簇G对应的新的图像与当前簇和前一簇cj-1的新特征距[0040]需要说明的是，特征均值集是由簇ci中所有帧的每个维度的均值推导出的L(x)表示每一帧与帧序第一帧的帧间变化程度，S(x)表示每一帧图像与前一帧图像的帧[0047]其中，分别表示第i帧图像的第n个关节点的x、y、z相对坐标，[0049]分别表示第i帧图像第n个关节点相对于第1帧图像的第n个关[0053]gB是骨骼关节点B的角度特征。通过将向量丽和配的点积除两个向量数据连接模块30，用于将同一帧图像下的位置信息集和角度信息集进行合并连聚类簇划分模块40，用于基于帧序将所述目标监测视频中的图像划分为K个初始[0059]本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或