[发明专利]一种基于多视角Kinect的人体关节点数据优化系统及方法

说明书

本发明提供的一种基于多视角Kinect的人体关节点数据优化系统及方法，包括数据采集单元和处理器，其中，所述数据采集单元包括五个Kinect，通过五个Kinect采集被观测者不同视角下的步态数据序列，并将采集到的步态数据序列传输到处理器；所述处理器用于将接收到的步态数据序列进行数据融合，得到一组完整、连续、有效的关节点数据序列；本发明通过异常值检测和数据融合技术，可以有效改善Kinect在采集关节点数据时由于人体遮挡等出现的数据异常和缺失的情况，进而可以得到完整的人体骨架模型，提高了数据的有效性，方便了其他相关计算和分析。

技术领域

本发明属于计算机视觉中多视角的人体关节点数据优化技术领域，涉及一种基于多视角Kinect的人体关节点数据优化系统及方法。

背景技术

人体运动过程可以通过一些关节点的运动轨迹来描述。通过深度信息提取人体关节点数据(关节点三维坐标)构成人体骨架模型，可以直观展现出人体运动过程，可应用于步态分析、动作识别等领域。Kinect作为一种新型深度相机具有价格低廉、操作简单、适用性强等优势。Kinect v2 SDK封装的姿态估计算法，可以实时获取人体25个关节点的空间坐标，这种数据具有特征简单、无背景干扰等优点，基于这种关节点数据构成的人体步态数据序列的研究和应用呈逐年增长的趋势，在运动员姿势矫正、医疗诊断、康复训练评估等方面都已有较广泛的应用。

单个Kinect的深度信息获取范围有限，其对人体关节点的有效检测距离为0.5-4.5米，水平范围为70度，垂直范围为60度。受试者太近或太远都会影响数据采集的精确度，超过此范围的情况下噪声会随着距离变大而变大。同时，在实际应用中会受人体肢体遮挡、测量环境的影响而产生采集的关节点数据异常与错误等问题，会严重影响后期运动分析和相关计算的可靠性和准确性。目前解决Kinect准确性限制的主要措施是采取基于多Kinect数据融合的方法。而目前对Kinect关节点数据优化方法主要是借助卡尔曼滤波、集员滤波等对数据进行处理和融合，但没有分析Kinect关节点数据的噪声特性，缺乏理论依据且大部分方法需要相应的先验知识。

因此亟待解决的问题主要有两方面：1.解决单个Kinect测量范围有限的问题，获取完整连续的关节点数据序列；2.解决Kinect在数据采集时出现的数据异常与错误等问题，提高数据的准确性和有效性。

发明内容

本发明的目的在于提供一种基于多视角Kinect的人体关节点数据优化系统及方法，解决了现有的人体关节点数据获取方法存在准确性不足的缺陷。

为了达到上述目的，本发明采用的技术方案是：

本发明提供的一种基于多视角Kinect的人体关节点数据优化系统，包括数据采集单元和处理器，其中，所述数据采集单元包括五个Kinect，通过五个Kinect采集被观测者不同视角下的步态数据序列，并将采集到的步态数据序列传输到处理器；所述处理器用于将接收到的步态数据序列进行数据融合，得到一组完整、连续、有效的关节点数据序列。

优选地，五个Kinect分别布置在被观测者的左侧、右侧、斜左后侧、斜右后侧和正后侧，且每个Kinect距离被观测者2～2.5m

优选地，所述斜左后侧和斜右后侧分别与正后侧之间的角度为45°。

优选地，每个Kinect连接一个控制器；五个控制器之间为局域网架构。

一种基于多视角Kinect的人体关节点数据优化方法，基于所述的一种基于多视角Kinect的人体关节点数据优化系统，包括以下步骤：

步骤1，通过五个Kinect在不同视角同时采集人体关节节点数据，得到五个视角下的被观测者的步态数据序列；

步骤2，根据步骤1中得到的五个步态数据序列，构造人体25个关节点坐标数据；

步骤3，对每个步态数据序列进行异常值检测，并将检测得到的异常值的坐标置零；