[发明专利]姿势识别器系统架构

说明书

发明背景

诸如计算机游戏、多媒体应用、办公应用等的许多计算应用使用控制来允许用户操纵游戏角色或应用的其他方面。通常使用，例如，控制器、遥控器、键盘、鼠标等等，来输入这样的控制。不幸的是，这些控制可能是难以学习的，由此造成了用户和这些游戏及应用之间的障碍。此外，这些控制可能与这些控制所用于的实际游戏动作或其他应用动作不同。例如，使得游戏角色挥动棒球拍的游戏控制可能不与挥动棒球拍的实际动作相对应。

发明概述

这里公开了用于接收反映用户的骨架移动的数据以及从该数据确定用户是否已经执行了一个或多个姿势的系统和方法。公开了姿势识别器系统架构，从中应用开发者可将姿势识别结合在他们的应用中。

在一实施例中，识别器引擎包括基础识别器引擎和至少一个过滤器。过滤器包括关于姿势的信息并可包括至少一个对应的参数。识别器引擎向应用提供过滤器并从该应用接收指定关于该姿势将如何被识别器引擎识别的细节的至少一个参数。

识别器引擎从相机接收一系列图像数据。该相机可包括彩色相机(如红-绿-蓝，即RGB)、深度相机、以及三维(3D)相机。该数据可包括分开的深度图像和彩色图像、结合了深度和色彩信息的组合的图像、或其中标识了诸如被骨架映射的人之类的对象的经解析的图像。该数据捕捉由至少一个用户作出的运动或姿态。基于该图像数据，分析器引擎能够解析用户意图传达的姿势。识别器引擎检测用户已经传达了姿势的可能性，且用户已经满足了与应用的该姿势相关联的默认的或应用确定的任何参数。识别器引擎然后发送这已对应用发生的置信度水平。在发送该置信度水平时，识别器引擎还可向应用发送用户如何传达该姿势的细节供应用进一步处理。

以上是概述，并且因此必然包含细节的简化、一般化及省略。本领域技术人员将明白，本概述只是说明性的并且决不旨在是限制性的。

附图简述

参考附图来进一步描述根据本说明书的用于姿势识别器系统架构的系统、方法和计算机可读介质，在附图中：

图1A和1B示出了伴随用户玩游戏的目标识别、分析和跟踪系统的示例实施例。

图2示出了可在目标识别、分析和跟踪系统中使用的捕捉设备的示例实施例。

图3A示出了可用于在目标识别、分析和跟踪系统中解释一个或多个姿势的计算环境的示例实施例。

图3B示出了可用于在目标识别、分析和跟踪系统中解释一个或多个姿势的计算环境的另一示例实施例。

图4A示出了从图2的目标识别、分析和跟踪系统生成的用户的骨架映射。

图4B示出了图2所示的姿势识别器架构的进一步细节。

图5A和5B示出了可如何堆叠姿势过滤器来创建更复杂的姿势过滤器。

图6A、6B、6C、6D和6E示出了用户502在美式足球视频游戏中可以作出的用以发出“安全接球”(fair catch)的信号的示例姿势。

图7A、7B、7C、7D和7E示出了在解析了图像数据的每一帧来产生用户的骨架映射时图5的示例“安全接球”姿势。

图8示出了用于使用姿势识别器架构来向至少一个应用提供姿势的示例性操作过程。

说明性实施例的详细描述

如本文中将描述的，用户可通过执行一个或多个姿势来控制在诸如游戏控制台、计算机等计算环境上执行的应用。根据一个实施例，姿势可由例如捕捉设备来接收。例如，捕捉设备可捕捉场景的深度图像。在一个实施例中，捕捉设备可以确定场景中的一个或多个目标或对象是否对应于诸如用户等人类目标。为了确定场景中的目标或对象是否对应于人类目标，可对每个目标进行泛色填充并将其与人体模型的图案作比较。然后可扫描匹配人体模型的每一目标或对象来生成与其相关联的骨架模型。该骨架模型然后可被提供给计算环境，使得计算环境可跟踪该骨架模型，呈现与该骨架模型相关联的化身，以及可基于例如用户的已经从该骨架模型中识别出的姿势来确定要在计算环境上执行的应用中执行那些控制。姿势识别器引擎(其架构在下文中更完整地描述)被用于确定用户何时做出了某一姿势。

图1A和1B示出伴随用户18玩拳击游戏的目标识别、分析和跟踪系统10的配置的示例实施例。在一示例实施例中，目标识别、分析和跟踪系统10可用于识别、分析和/或跟踪诸如用户18等的人类目标。

如图1A所示，目标识别、分析和跟踪系统10可包括计算环境12。计算环境12可以是计算机、游戏系统或控制台等等。根据一示例实施例，计算环境12可包括硬件组件和/或软件组件，使得计算环境12可用于执行诸如游戏应用、非游戏应用等的应用。