[发明专利]人体三维姿势识别方法和装置

说明书

技术领域

本发明涉及计算机视觉与图像处理领域，更具体地涉及人体三维姿势识别方法和装置。

背景技术

从图像中识别人体姿势的方法从技术原理上可以分为基于模型和基于学习的。基于模型的方法首先建立一个由人体各部位组成的人体模型，姿势识别的过程就是利用此模型在特征空间中搜索和匹配最接近的姿势的过程，搜索过程通常转化为非线性优化问题(比如，参见非专利文献1)或者概率密度估计问题(比如，参见非专利文献2和3)，由于姿势空间的维数非常庞大，这种方法通常需要与跟踪相结合时才能取得较好的效果，因而姿势识别的效果很大程度上取决于跟踪前模型初始化的好坏，这些方法通常也需要先得到人体的各个部位的区域。基于学习的方法直接从图像特征推断人体的三维姿势，使用得较多的图像特征是人体轮廓信息(参见非专利文献4、5和6)，为了得到可靠的轮廓信息，已经采用的方法有运动分析(参见非专利文献4)，背景建模(参见非专利文献5)或者这两种方法的结合(参见非专利文献6)，然而，这些方法在较复杂背景的情况下很难可靠地分离出人体轮廓。其他已使用过的特征还有躯干检测(参见非专利文献7)、肤色信息(参见专利文献1)等。

现有的人体姿势识别的方法都是将人体部分作为一个整体来直接从图像进行姿势识别，然而在具体应用场合，由于人体衣服、体型的巨大差异，以及应用环境的复杂性，仅仅从图像中进行姿势识别很难达到较高的识别精度，而且由于单目二维图像无法准确获得深度信息，也进一步降低了识别的精度。

[非专利文献1]J.M.Rehg and T.Kanade，“Model-based trackingof selfoccluding articulated objects”，ICCV，pages 612-617，1995

[非专利文献2]H.Sidenbladh，M.J.Black，and D.J.Fleet，“Stochastic tracking of 3d human figures using 2d image motion”，ECCV(2)，pages 702-718，2000

[非专利文献3]Mun Wai Lee，Cohen，I.，“A model-based approachfor estimating human 3D poses in static images”，IEEE TPAMI 28(6)，pages 905-916

[非专利文献4]A.Agarwal and B.Triggs，“3d human pose fromsilhouettes by relevance vector regression”，CVPR，vol 2，pages 882-888，2004

[非专利文献5]R.Rosales and S.Sclaroff，“Learning body pose viaspecialized maps”，NIPS，2002

[非专利文献6]K.Grauman，G.Shakhnarovich，and T.Darrell，“Inferring 3d structure with a statisticai image-based shape model”，ICCV，2003

[非专利文献7]X.Ren，A.C.Berg，and J.Malik“Recovering HumanBody Configurations using Pairwise Constraints Between Parts”，ICCV2005

[专利文献1]YANG MING-HSUAN(US)；HUA GANG(US)，“HUMAN POSE ESTIMATION WITH DATA DRIVEN BELIEFPROPAGATION”，Publication number：WO2006052853

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。但是，应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图用来确定本发明的关键性部分或重要部分，也不是意图用来限定本发明的范围。其目的仅仅是以简化的形式给出关于本发明的某些概念，以此作为稍后给出的更详细描述的前序。

鉴于现有技术的上述情形，本发明的目的是提供一种人体三维姿势识别方法和装置，其中提出了单边人体三维姿势识别，从而能够在提高人体三维姿势识别精度的同时显著提高人体三维姿势识别速度。