[发明专利]一种基于坐姿深度图像的坐姿检测方法

权利要求书

1.一种基于坐姿深度图像的坐姿检测方法，其特征在于，包括以下步骤：

(1)通过深度传感器获取人体的坐姿深度图像及坐姿深度图像中所有像素点的深度距离值；

(2)对坐姿深度图像进行分割，去除外部背景与人体的干扰，得到坐姿分割图像；

(3)通过坐姿分割图像求取关键点，关键点包括头部顶点、头部中心点、左肩点、右肩点、肩部中心点、身体中心点；

(4)根据关键点判定坐姿；

步骤(3)中，通过坐姿分割图求取关键点的具体方法如下：

(3-1)从上到下对坐姿分割图像的每一行进行扫描，得到坐姿分割图像中每一行的人体宽度width＝{width₁,width₂,...,width_n}，以及每一行人体宽度的左边点的横坐标每一行以及每一行人体宽度的右边点的横坐标其中n为扫描的总行数；

(3-2)获取头部顶点：从上到下找到第一条宽度不为0的所在行，即人体轮廓的顶点，将其作为头部顶点；

(3-3)根据头部顶点，求取头部顶点以下30行的人体宽度平均值average，如果width_k＝2avera_ge，则第k行对应肩部所在行，第k行的宽度即为肩部宽度；第k行的人体宽度左边点即为人体左肩点；第k行的人体宽度右边点即为人体右肩点；左肩与右肩的中心即为肩部中心点；

(3-4)头部顶点与肩部之间的人体区域为头部区域，求取头部区域像素点的中心，即头部中心点；

(3-5)肩部以下的人体区域为身体区域，求取身体区域像素点的中心，即身体中心点；

(3-6)运用张正友法进行相机标定，得到每个关键点的世界坐标。

2.如权利要求1所述的基于坐姿深度图像的坐姿检测方法，其特征在于：步骤(2)中，对坐姿深度图像进行分割，去除外部背景与人体的干扰，得到坐姿分割图像的具体方法如下：

(2-1)在坐姿深度图像中，选择两个固定区域：第一个区域为矩形方框E，矩形方框E为坐姿深度图中心处30*30像素的矩形方框；第二个区域为矩形方框F，矩形方框F的长为280像素，宽为200像素，以坐姿深度图像的左下角点为原点，矩形方框F的中心点像素坐标为(160,120)；矩形方框F上边框的纵坐标用BoxTop₀表示，矩形方框F下边框的纵坐标用BoxBottom₀表示，矩形方框F左边框的横坐标用BoxLeft₀表示，矩形方框F右边框的横坐标用BoxRight₀表示；

(2-2)获取矩形方框E中所有像素点的平均深度距离值，定义为人体的最远深度距离值

(2-3)均匀获取坐姿深度图像中的像素点，每隔10个像素提取一点，将每个点的深度距离值放入向量a[]中，并运用公式(1)得到所有的背景点；

其中，k为图像中的像素点，a[k]为像素点的深度距离值；

(2-4)求得所有背景点中最小的深度距离值将最小的深度距离值作为背景分割阀值，对坐姿深度图像进行分割去除背景，如果坐姿深度图像中某个像素点的深度距离值大于则令该点的像素值为0，即可去除背景；

(2-5)求取坐姿深度图像除去矩形方框F的区域中所有像素点中最小的深度距离值为将作为干扰分割阀值，对坐姿深度图像进行分割去除干扰，如果坐姿深度图像中某个像素点的深度距离值大于则令该点的像素值为0，即可去除干扰，最终得到坐姿分割图像；

(2-6)对坐姿分割图像进行滤波处理，得到滤波后的坐姿分割图像，

(2-7)根据滤波后的坐姿分割图像，求取人体轮廓的最高点的纵坐标值top_i、最低点的纵坐标值bottom_i、最左边点的横坐标值left_i、最右边点的横坐标值right_i；

(2-8)对下一帧坐姿深度图像进行坐姿分割，如果上一帧坐姿分割图像中不为零的像素点与上一帧坐姿分割图像中所有像素点的比值大于10％并且小于80％，则令

令BoxTop_i+1＝top_i+15，BoxBottom_i+1＝bottom_i-15，BoxLeft_i+1＝left_i-15，BoxRight_i+1＝right_i+15，返回步骤(2-3)；

如果上一帧坐姿分割图像中不为零的像素点与上一帧坐姿分割图像中所有像素点的比值大于80％或者小于10％，令BoxTop_i+1＝BoxTop₀，BoxBottom_i+1＝BoxBottom₀，BoxLeft_i+1＝BoxLeft₀，BoxRight_i+1＝BoxRight₀，返回步骤(2-2)。