[发明专利]实时人体自动检测方法

说明书

技术领域

    本发明涉及体感交互领域，特别涉及一种实时人体自动检测方法，实现体感控制器中的人体骨架识别技术。

背景技术

体感交互技术作为前沿科技技术，已经从微软的Kinect开始逐步向各个领域延伸，体感游戏也开始走进日常人的生活。体感互动中，人体骨架识别技术的研究与实现必不可少，而在进行人体骨架识别之前，需先进行人体检测。由于体感交互的实时性要求，使得人体检测成为一项极具挑战性的课题。

近年来，人们对人体检测进行了大量的研究，Bajracharya与Navarro-Serment等利用双目立体视觉与激光雷达技术对多传感器的特征进行融合，并将其用在机器人与车载应用的人体检测上，此方法计算量较大，实时性差。Spinello等提出了HOD（Histogram of oriented depths）深度特征提取算法，它模仿底层特征提取算法HOG，对深度差值的大小与方向进行直方图统计，提取深度特性，并结合RGB图像上的HOG特征进行人体检测。Shengyin等也对HOG特征进行改进，提出了HDD特征提取算法，算法将梯度方向从原来的180度的统计空间扩展到360度，对梯度不同方向的统计更加精细。L. Spinello和 K. O. Arras介绍了基于组合HOG和HOD描述子的深度数据人体检测算法，然而为了搜索人体需要密集的采集图像帧，这些算法只有在GPU上实现才能满足人体检测的实时性。同样W. Choi等人的算法也依赖于GPU的高速运算才能实现实时人体检测，D. Mitzel等人研究如何使用基于深度的ROI追踪算法以减少人体检测算法的计算量，然而要想获得ROIS同样也需要基于GPU的人体检测系统的密集扫描。

发明内容

本发明的目的在于提供一种实时人体自动检测方法，解决了现有技术存在的上述问题。本发明不仅能够检测出静止的多个人体，而且能够检测行走中的多个人体。实验结果表明，本发明实时性好，无论对静止的人体还是行走中的人体，都能够进行较精确及快速的检测。

本发明的上述目的通过以下技术方案实现：

实时人体自动检测方法，包括如下步骤：

（1）通过体感控制器采集深度信息图像，并将深度信息数据转化成3D点云数据，形成3D点云；

（2）用基于K邻域的离散点云简化算法进行3D点云数据简化；

（3）在简化后的3D点云中，采用RANSAC算法进行点云数据的地平面提取并移除；

（4）利用投影直方图确立波峰波谷位置对点云数据进行初步分类得到人体点云数据簇；

（5）对初步划分后的人体点云数据簇进行二次精细分类；

（6）实现地面上多个人体的检测。

所述的步骤（1）通过体感控制器采集深度信息图像，并将深度信息数据转化成3D点云数据，形成3D点云，具体是：借助体感控制器，采集人体及场景的深度图像和彩色RGB图像，进而转化成人体及场景的3D点云数据；对于点云的每个点P，用x,y,z来表示，其中x为点P在X轴方向的坐标，y为点P在Y轴方向的坐标，z为点P在Z轴方向的坐标。

所述的步骤（2）用基于K邻域的离散点云简化算法进行3D点云数据简化，具体是：采用基于K邻域密度的离散点云简化算法进行3D点云数据的简化，流程如下：

（2.1）输入原始点云数据；

（2.2）确立中心点；

（2.3）对于每个中心点，采用KD-Tree法搜索距离中心点最近的k个点，建立k-邻域，其中这些距离中心点最近点按照距离中心点由小到大顺序排列；

（2.4）判断每个k-邻域的密度大小；

（2.5）根据密度大小对点云进行简化，密度大处保留该邻域中所有点的平均点，密度小处则保留部分点，具体保留哪些点，依具体情况而定，原则上尽量保留中心点；

（2.6）若还有没简化完的k-邻域，则转（2.4），否则结束。

所述的步骤（3）在简化后的3D点云中，采用RANSAC算法进行点云数据的地平面提取并移除，其中地平面提取并移除的具体流程如下：

（3.1）输入简化后的点云数据；

（3.2）在显示的深度图中，随机选取 3个地面上的数据点，并用这3个数据点坐标计算平面方程的参数；

（3.3）对简化后的点云中的所有数据点，计算出每个点到步骤（3.2）得到的平面之间的欧氏距离，再将每个距离与阈值D进行比较，若在D范围内，则将该点归为“局内点”，否则归为“局外点”；