[发明专利]人体姿态识别方法和装置

权利要求书

1.一种人体姿态识别装置，包括：

输入模块，包括深度摄像机和彩色摄像机，用于同时捕获人体姿态，形成输入图像；

预处理模块，将输入图像预处理为适合的格式，并将图像归一化为固定大小，产生形状独立的姿态采样，形成采样数据；

训练模块，在训练阶段使用统计学习方法进行采样数据的维度降低，以获得原始图像空间到特征空间的投影变换矩阵，并构建最近邻分类器；

特征提取模块，根据所述投影变换矩阵分别在训练阶段和人体姿态识别阶段从采样数据提取有区别的姿态特征；

模板数据库构建模块，根据特征提取模块在训练阶段中提取的有区别的姿态特征构建姿态模板数据库；

搜索模块，通过最近邻分类器将特征提取模块在人体姿态识别阶段中提取的有区别的姿态特征与姿态模板数据库中的姿态模板比较，以进行人体姿态匹配；

输出模块，输出最佳匹配的姿态，并基于最佳匹配的姿态重新定位虚拟人体模型。

2.根据权利要求1所述的人体姿态识别装置，其中，深度摄像机形成人体姿态的深度图像和强度图像，彩色摄像机形成人体姿态的彩色图像。

3.根据权利要求2所述的人体姿态识别装置，其中，预处理模块使用强度图像对人体姿态进行分割并提取剪影，使用分割的人体区域检测头部和躯干，选择眼部位置和肩部位置作为参考点进行形状归一化处理，产生形状独立的姿态采样。

4.根据权利要求3所述的人体姿态识别装置，其中，训练模块创建训练数据集，使得姿态采样均匀分布在图像空间中，将采样数据变换为输入矢量，采用统计学习方法来进行采样数据的维度降低，以获得所述投影变换矩阵。

5.根据权利要求4所述的人体姿态识别装置，其中，所述统计学习方法包括主元分析方法或局部线性嵌入方法。

6.根据权利要求5所述的人体姿态识别装置，其中，模板数据库构建模块选择不同的姿态采样，对姿态采样图像进行人工标注；特征提取模块根据所述投影变换矩阵从姿态采样中提取低维度的有区别的特征；模板数据库构建模块基于提取的有区别的特征建立所述区别特征与姿态之间的对应关系，并基于建立的对应关系产生包括特征矢量和相关联的姿态索引的模板，以构建模板数据库。

7.根据权利要求6所述的人体姿态识别装置，其中，特征提取模块将输入图像的深度数据变换为一维数据矢量，使用在训练阶段中获得的投影变换矩阵将来自图像空间的数据投影到特征空间，以获得特征矢量。

8.根据权利要求7所述的人体姿态识别装置，其中，搜索模块通过最近邻分类器计算当前的特征矢量与模板数据库中的特征矢量之间的距离，基于所述距离在模板数据库中获得最佳匹配的索引。

9.根据权利要求8所述的人体姿态识别装置，其中，输出模块根据最佳匹配的索引在模板数据库中获得最佳匹配的姿态，并基于最佳匹配的姿态重新定位虚拟人体模型。

10.一种人体姿态识别方法，包括以下步骤：

(a)利用深度摄像机和彩色摄像机同时捕获人体姿态，形成输入图像；

(b)将输入图像预处理为适合的格式，并将图像归一化为固定大小，产生形状独立的姿态采样，形成采样数据；

(c)在训练阶段使用统计学习方法进行采样数据的维度降低，以获得原始图像空间到特征空间的投影变换矩阵，并构建最近邻分类器；

(d)根据所述投影变换矩阵分别在训练阶段和人体姿态识别阶段从采样数据提取有区别的姿态特征；

(e)根据在训练阶段中提取的有区别的姿态特征构建姿态模板数据库；

(f)通过最近邻分类器将在人体姿态识别阶段中提取的有区别的姿态特征与姿态模板数据库中的姿态模板比较，以进行人体姿态匹配；

(g)输出最佳匹配的姿态，并基于最佳匹配的姿态重新定位虚拟人体模型。

11.根据权利要求10所述的人体姿态识别方法，其中，深度摄像机形成人体姿态的深度图像和强度图像，彩色摄像机形成人体姿态的彩色图像。

12.根据权利要求11所述的人体姿态识别方法，其中，步骤(b)包括：

使用强度图像对人体姿态进行分割并提取剪影；

使用分割后的人体区域检测头部和躯干，

选择眼部位置和肩部位置作为参考点进行形状归一化处理，产生形状独立的姿态采样。