[发明专利]人类交互物识别的复杂性降低

说明书

在一个示例中，一种用于识别物体的系统包括处理器，该处理器用于从多个图像帧中选择物体的视图未被阻挡的图像帧，并用于估计物体在所选择的图像帧中的位置。

相关申请的交叉引用

本申请要求Srenivas Varadarajan等人在2016年10月12日提交的题为“Complexity Reduction of Human Interacted Object Recognition”的序列号为15/291,507的美国专利申请的申请日的权益，该申请通过引用并入本文。

技术领域

本公开总地涉及使用人类动作和姿势上下文来降低人类交互物(HIO)识别的时空复杂性。

背景技术

人类交互物识别的已知实施方式是复杂的。降低人类交互物检测的复杂性以降低处理和/或网络传输带宽要求将是有益的。

附图说明

通过参考附图可以更好地理解以下详细描述，附图包含所公开主题的许多特征的具体示例。

图1示出了智能活动工作空间系统；

图2示出了高级人-物交互的状态图；

图3(包括图3(a)、图3(b)和图3(c))示出了购物环境中的人-物交互；

图4示出了人类交互物的时空定位；

图5示出了示出用于物体检测的参考帧选择逻辑的时序图；

图6(包括图6(a)、图6(b)和图6(c))示出了人类所拾取的产品周围的边界框；

在一些情况下，在整个公开和附图中使用相同的数字来引用相似的组件和特征。在某些情况下，100系列中的数字指的是最初在图1中找到的特征；200系列中的数字指的是最初在图2中找到的特征；等等。

具体实施方式

一些实施例涉及计算机视觉、动作识别、人-物交互和/或物体识别中的一个或多个。

一些实施例涉及使用人类动作和姿势上下文来降低人类交互物(HIO)识别的时空复杂性。

一些实施例涉及使用人类动作和姿势上下文来提高智能活动空间中的物体识别的计算效率和准确度。

在一些实施例中，人类交互物(HIO)识别利用人的动作来定位人正在与之交互的物体。该定位可以包括时间上的定位以及空间域中的定位。时间上的定位可以包括例如识别视频序列中的将用于定位人正在与之交互的物体的正确图像帧(例如，在人拾起该物体之前或之后的帧)。空间域中的定位可以涉及图像帧中的特定区域和/或图像帧中的哪些特定图像帧像素(例如，一组相邻像素)涉及该人正在与之交互的物体的位置。

在像医院、制造间或厨房一样的工作环境中，存在一组预期的活动。这些活动中的许多活动涉及人-物交互(HOI)，其中从公共存储区域一个接一个地拾起一组工具或物体，并且用它们执行一系列步骤。

例如：

在医院的手术室中，外科医生可以一个接一个地拾取不同的手术工具、化学品和器械以执行特定的外科手术。

在厨房中，制作特定菜肴可能需要一个接一个地获取一组特定的原料以及执行一组步骤，如切碎、混合和煎炸它们。

在制造工作场所中，工人可以为了特定任务而从公共区域借用一组工具(如锤子或螺丝刀)，并在使用之后将其放回。

在商店中，购物者可以为了潜在的购买而从商店货架拾起不同的物品。

在所有这些情况下，识别人类交互物在以下情况下可以有帮助：