特徵萃取

之後，對每個姿態的λ 都做式(3-1)到式(3-3)的運算，就可以求出此序列 O 最有 可能的姿態。最後，根據人體星狀骨架的辨識可以判對出影片中每張影像所屬的 動作，將每一個動作都以一個字元符號(Symbol)來編碼，即本論文中編碼書中的 動作編碼(Motion No.)。因此，一段影片中連續的影像動作的變化可用字元符號 編碼的變化代表之，下一節我們將要介紹如何萃取出辨識人體動作的星狀骨架特 徵，來作為訓練的樣本。

3.3 特徵萃取

本論文採用星狀骨架特徵，此為參考陳宣勝所使用之方法[4]。人體姿態是 由一連串的動作序列所組合而成的，而描述這些動作的方法就是利用人體的輪廓 形狀。然而，當周圍的其他邊緣和人體動作邊緣很相似時，利用整個人體的輪廓 去描述人體動作的效能是很差的，雖然有像主成份分析(principle component analysis, PCA)的方式去去除一些冗餘的特徵點，但是整體的計算量還是非常的 大。另一方面，一些簡單的資訊像是寬度和高度可能可以粗略的描述一些動作，

但光有這樣的資訊還是不夠準確描述一些相似的動作，而星狀骨架就是一種典型 的特徵萃取方式，來描述人體的動作，它具有簡單、即時且穩固的特點，因此本 論文選用星狀骨架來當作動作描述的特徵。

3.3.1 星狀骨架特徵描述

將從人體中心點到人體輪廓邊緣局部的向量極值定義為特徵向量，稱之為星 狀向量[4]。人體頭部、兩手、及兩腿是在人體輪廓中常見的突出點，因此它們 可以適當的描述人體形狀的資訊。因為它們通常是星狀骨架中局部向量的最大

26

值，本論文定義此向量為五維向量。但有些動作像是兩腳重疊或一手被遮蔽，此 時的星狀骨架向量維度就會低於五維，就會有零向量加入星狀骨架的向量描述當 中。同樣地，有可能會取到超過五個以上的極值，此時，可以調整低通濾波器來 減少人體動作局部極值，控制在五個以內的顯著的極值即可。星狀骨架的概念就 是由人體輪廓的中心點連接到四肢所組成的特徵向量，為了找出人體輪廓的四 肢，必須計算從人體中心到輪廓的每個點的距離，而四肢就會位於這些距離值的 局部極值當中。當中可能會因為雜訊增加了定出四肢的難度，所以可以使用一些 平滑濾波器或是低通濾波器讓距離值的訊號變的平滑，以利準確的找出極值。星 狀骨架就是將這些極值點連接到人體中心所建構出來的，星狀骨架的處理流程，

如圖 3.3 所示，而點 A、B、C、D、E 就是這些距離值的局部極值。

星狀骨架演算法整理如下

輸入：人員輪廓(Human contour)

輸出：星型骨狀圖(A skeleton in star fashion) 1. 計算人體輪廓的中心點(Xc,Yc)

(3-4) (3-5)

圖 3.3 星狀骨架流程圖[3]

27

五點與中心點連起來，由(式 3-7)差分方程式的 zero-crossings 找出 (i)局部極 值的點。

28