[发明专利]基于深度图像的人体姿态估计方法

权利要求书

1.一种人体姿态估计方法，该方法根据人体的深度图像进行人体姿态的估计，以通过虚拟人体模型来模拟该图像中的人体，该深度图像包括多个帧，其特征在于，该方法包括如下步骤：

S1、建立虚拟人体模型，该人体模型由骨骼模型和皮肤模型组成；

S2、对所述虚拟人体模型的参数进行初始化；

S3、对所述深度图像的当前帧进行滤波；

S4、对所述虚拟人体模型和深度图像进行对应点检测；

S5、对于所述深度图像的当前帧，根据所述对应点检测的结果建立并优化目标函数，该目标函数用于描述所述虚拟人体模型和所述深度图像之间的姿势差异的大小，通过最小化目标函数的值更新所述虚拟人体模型的当前姿态。

2.如权利要求1所述的人体姿态估计方法，其特征在于，步骤S2包括：

S21、读取虚拟人体模型的点集，所谓点集是指该虚拟人体模型的三维坐标信息、法向量信息、皮肤节点的三维坐标信息和骨骼节点对皮肤节点的权重分配信息；

S22、对所述虚拟人体模型的皮肤模型进行随机采样得到用于姿态估计的模型点集；

S23、初始化所述虚拟人体模型的姿态参数；

S24、获取所述虚拟人体模型的骨骼模型的关节变换矩阵。

3.如权利要求2所述的人体姿态估计方法，其特征在于，步骤S3包括：

S31、获取深度图像的当前帧；

S32、对所述深度图像中的人体部分的深度信息进行随机采样得到深度图像点集；

S33、对所述随机采样后得到的深度图像点集进行平滑处理；

S34、将所述深度图像的点集的灰度值量化到所述虚拟人体模型的深度范围以内。

4.如权利要求3所述的人体姿态估计方法，其特征在于，步骤S4包括：

S41、对所述深度图像点集建立多维搜索树；

S42、根据所述多维搜索树，采用最近点搜索和法向量差异最小的原则寻找所述虚拟人体模型点集和所述深度图像点集的对应关系。

5.如权利要求4所述的人体姿态估计方法，其特征在于，步骤S5包括：

S51、对于所述深度图像的每一帧，获取所述虚拟人体模型的上一帧姿态估计结果；

S52、建立用于姿态估计的目标函数，计算所述虚拟人体模型的当前姿态下的目标函数值；

S53、对于深度图像的每一帧，估计虚拟人体模型的平移和旋转参数；

S54、对于深度图像的每一帧，估计虚拟人体模型的关节角参数。

6.如权利要求5所述的人体姿态估计方法，其特征在于，步骤S53包括：

S531、计算所述虚拟人体模型的平移梯度，即先计算均方误差对每个平移分量的梯度，利用基于洛伦兹分布建模的梯度公式计算出目标函数对平移参数的梯度向量并归一化；

S532、计算所述虚拟人体模型的旋转梯度，即先计算均方误差对每个旋转分量的梯度，利用基于洛伦兹分布建模的梯度公式计算出目标函数对旋转参数的梯度向量并归一化；

S533、取所述步骤S531和步骤S532得出的平移和旋转梯度的负梯度方向作为迭代方向，然后以当前姿态参数为起点沿迭代方向进行一维搜索，得出迭代步长；

S534、将所述步骤S533计算得到的迭代步长和迭代方向相乘得到平移参数和旋转参数的增加量，然后在原姿态参数的基础上加上此增加量。

S535、计算当前姿态下的目标函数值以更新所述目标函数。