[发明专利]一种数据滤波方法及骨骼点坐标精确定位方法

说明书

本发明涉及一种数据滤波方法，通过一系列的公式得出原始数据局的与预测值的加权平均，实现滤波的目的；本发明还提供一种骨骼点坐标精确定位方法，通过获取参照基准，得出骨骼点的移动坐标，从而实现骨骼点的精确定位。

技术领域

本发明涉及一种骨骼点矫正方法，尤其涉及一种数据滤波方法及骨骼点坐标精确定位方法。

背景技术

随着人机交互技术的发展，简单的鼠标键盘作为输入设备已经难以满足人们的需求。基于人体自身和语音的自然人机交互技术得到发展。近几年市面上出现了一款图像、音频采集平台—Kinect，它不仅能提供传统彩色相机提供的彩色图像还可以输出深度图像,更进一步的在深度图像的基础上给出人体骨骼图像。但由于该技术本身缺陷，当存在自身遮挡的情况时，骨骼点会出现抖动不定现象，手掌由张开变为握拳的过程中手臂上的骨骼点会发生移动。当使用骨骼点坐标作为输入进行精确控制时，影响控制效果。

发明内容

本发明的主要目的在于提供一种数据滤波方法，用于解决现有技术中的由于Kinect本身技术的缺陷，导致的当使用骨骼点坐标作为输入进行精确控制时，影响控制效果的技术问题。

为了实现上述目的，本发明采取的技术方案为提供一种数据滤波方法，用于解决上述问题：

S1.滤波器部分首先应用尖峰去除滤波器，当相邻帧骨骼坐标变化超过一定阈值thresh1时，用前一帧骨骼坐标平滑值S_n-1和当前帧骨骼坐标X_n的加权作为滤波器的输出第一当前帧权重α，0<α<1时，骨骼坐标变化小于阈值thresh1则直接输出第一帧不做处理；

S2.然后应用双线性平滑滤波器，用前一帧骨骼坐标的平滑值S_n-1加上趋势值v_n-1和当前骨骼坐标经尖峰滤波后的值的加权平均作为平滑滤波器的输出S_n，前者权重为β(0<β<1)，趋势值v_n由平滑值之差和前一帧趋势值v_n-1的加权平均计算得到，前者权重为γ(0<γ<1)，第一帧趋势值为0，平滑值为原始数据；

S3.通过平滑值S_n、预测值v_n以及因子λ(0<λ<1)得出预测值P_n；

S4.最后判断预测值v_n与原始数据之间的距离，若差值||P_n-X_n||小于阈值radius，则用预测值v_n作为最终输出Y_n，否则用原始数据与预测值v_n的加权平均作为输出，前者权重为阈值radius与差值||P_n-X_n||的比值。

优选地，当第一前帧权重α＝0.03所述、所述阈值thresh1＝0.05。

优选地，所述权重为β＝0.5、所述权重γ＝0.5。

优选地，所述因子λ＝0.5。

优选地，所述阈值radius＝0.04。

此外，为实现上述目的，本发明还提供一种骨骼点校正的方法，首先两手臂张开并且两手掌张开作为校准骨骼长度的标志，获得大臂和小臂的长度；

然后以肩部骨骼点为基准结合大臂长度矫正肘部骨骼点，以肘部骨骼点为基准矫正手部骨骼点；