[发明专利]一种三维人体姿态估计方法

说明书

公开一种三维人体姿态估计方法，其在不需要高配置硬件支持、和精准人体模型的条件下，实现实时且高精度的三维人体姿态估计。该方法包括步骤：(1)建立与对象匹配的三维人体模型，该模型为可见球面分布约束点云人体模型；(2)面向人体姿态跟踪的人体模型与深度点云匹配优化；(3)基于动态数据库检索的姿态跟踪错误恢复。

技术领域

本发明涉及计算机视觉和模式识别的技术领域，尤其涉及一种三维人体姿态估计方法。

背景技术

基于计算机视觉技术的三维人体姿态估计在人类生活的众多领域得到广泛应用，如计算机动画、医学、人机交互等领域。随着低成本的RGB-D传感器(如Kinect)的推出，相比RGB视觉信息，深度图像可极大地避免复杂背景、光照条件变化所造成的数据缺陷。因此，三维人体姿态估计藉由深度信息的使用获得了性能上的明显提升，成为当前研究热点。目前存在的很多基于深度数据的三维人体姿态估计方法已经取得了较好的识别结果，但识别精度的进一步提升仍需克服传感器所获取深度数据的两个固有的严重缺陷：噪声和遮挡造成的数据缺失。

基于深度信息的三维人体姿态估计的方法可分为两类，判别方法和生成方法。前者依赖于大量的训练数据，并因此能适应不同体型的变化，但是大多不能在复杂运动的情况下获得较高的精度；后者通常依赖于复杂精确的人体模型，并因此能够在出现数据缺失的情况下获得很高的精度，但在快速复杂运动情况下容易陷入局部最优化而失去全局最优解。由此可见，实现高性能三维人体姿态估计方法往往依赖于以下几点：1)大量标注准确的训练数据集；2)用以跟踪错误恢复的庞大的姿态数据库；3)GPU加速支持；4)精准的三维人体模型。这些局限性限制了在普通硬件配置的平台上进行实时的人机交互等应用。

发明内容

为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种三维人体姿态估计方法，其在不需要高配置硬件支持、和精准人体模型的条件下，实现实时且高精度的三维人体姿态估计。

本发明的技术方案是：这种三维人体姿态估计方法，该方法包括以下步骤：

(1)建立与对象匹配的三维人体模型，该模型为可见球面分布约束点云人体模型；

(2)面向人体姿态跟踪的人体模型与深度点云匹配优化；

(3)基于动态数据库检索的姿态跟踪错误恢复。

本发明以深度图序列作为输入，利用建立的三维人体模型与深度图转化的三维点云进行匹配优化，优化过程结合了全局的平移变换和局部的旋转变换，并且在跟踪错误时使用了动态数据库进行姿态的恢复，最终实现了快速准确的姿态跟踪，并且从人体模型中获得估计的关节点位置，因此在不需要高配置硬件支持、和精准人体模型的条件下，实现实时且高精度的三维人体姿态估计。

附图说明

图1示出了球集合表示人体模型以及球面点集表示人体模型，图1a是球集合表示人体模型和部位划分，图1b是球集合表面采样。

图2示出了人体11个部位命名以及部位父节点划分示意图，图2a是11个身体部位划分及命名，图2b是部位父节点。

图3示出了人体方向特征表示。

图4示出了基于PCA主方向的最小包围盒构建。

图5示出了SMMC数据集平均误差。

图6示出了PDT数据集平均误差。

图7示出了PDT数据库上的主观效果展示。

图8示出了根据本发明的三维人体姿态估计方法的流程图。

具体实施方式

如图8所示，这种三维人体姿态估计方法，该方法包括以下步骤：

(1)建立与对象匹配的三维人体模型，该模型为可见球面分布约束点云人体模型；