[发明专利]评价方法、评价程序以及信息处理系统

说明书

信息处理装置取得被摄体的点群数据，并取得与被摄体对应的三维模型。信息处理装置执行初始值分别不同的第1处理、第2处理以及第3处理。信息处理装置基于第1处理的结果的似然度、第2处理的结果的似然度以及第3处理的结果的似然度，评价第1处理的结果、第2处理的结果以及第3处理的结果。信息处理装置基于评价结果，将第1处理的结果、第2处理的结果以及第3处理的结果中的任意的结果作为被摄体的骨架识别结果而输出。

技术领域

本发明涉及评价方法等。

背景技术

存在使用激光传感器等距离图像测量装置，测量被摄体的三维点群，识别被摄体的骨架等的现有技术。图28是用于说明现有技术的图。如图28所示，在现有技术中，将事先准备的模型1b应用于三维点群1a，将应用的模型1b的状态作为线索，确定被摄体的骨架信息1c，从而进行三维的骨架识别。

在以下的说明中，将对三维点群1a应用模型1b的处理表述为“拟合”。另外，将激光传感器等距离图像测量装置表述为“传感器”。另外，三维点群1a是从由传感器测量的距离图像变换来的信息。在距离图像中，将点与距离值分别对应起来。三维点群1a的各点与正交坐标系的坐标信息对应起来。

在拟合中使用的模型1b是分别用圆柱来表现人体的各部位的圆筒模型。构成圆筒模型的各圆柱的粗细和长度是事先决定的。在现有技术中，一边分别改变模型1b的各关节角度，一边搜索最适合于三维点群1a的各关节角度。

在此，传感器以规定的帧率连续地测量距离图像。在现有技术中，对针对距离图像的三维点群依次实施拟合，但在实施拟合时，首先设定针对三维点群的模型的初始值。例如，模型的初始值包括模型的位置、模型的各关节角度等。在以下的说明中，将针对连续的多个距离图像中的某一个距离图像的三维点群的信息表述为“点群帧”。

在确定初始值的情况下，在现有技术中，将对之前的点群帧实施的拟合结果挪用为初始值。或者，在现有技术中，将与成为拟合的对象的点群帧相同的点群帧(或者，与点群帧对应的距离图像)输入到利用了深度学习(DeepLearning)等机器学习的其他骨架识别单元中，计算初始值。

现有技术文献

专利文献

专利文献1：国际公开第2018/207292号

专利文献2：国际公开第2019/030794号

非专利文献

非专利文献1：X.Wei et al.,“Accurate Realtime Full-body Motion CaptureUsing a Single Depth Camera,”ACM Transactions on Graphics,Vol.31,No.6,Article188(2012)

发明内容

发明所要解决的课题

初始值的设定对最终的骨架识别结果造成较大的影响，因此提高初始值的精度是重要的。在现有技术中，将对之前的点群帧实施的拟合结果挪用为初始值，或者输入到利用了深度学习等机器学习的其他的骨架识别单元来计算初始值。然而，在任何情况下，如果被摄体的运动与前一个点群帧相比以高速发生变化，则初始值的精度降低。

另外，在被摄体进行表演时，根据某个时机(timing)的被摄体的姿势，存在被摄体的三维点群的一部分消失，骨架识别的精度暂时降低的情况。如果将这样的骨架识别的结果作为初始值，挪用到下一个点群帧的拟合中，则在下一个点群帧中，骨架识别的精度也会再次降低。另外，即使将三维点群的一部分已缺失的信息输入到基于深度学习等机器学习的骨架识别单元中，骨架识别的精度也会降低，因此若将该骨架识别的结果用作初始值，则会导致基于拟合的骨架识别的精度的降低。

本发明是鉴于上述情况而完成的，其目的在于提供一种能够提高拟合型的骨架识别的最终输出结果的精度的评价方法、评价程序以及信息处理系统。