[发明专利]一种基于移动机器人的动捕跟踪方法

权利要求书

1.一种基于移动机器人的动捕跟踪方法，其特征在于，包括：

利用移动机器人捕捉人体运动视频帧图像；

构建一可表示人体骨架姿态和真实肢体形状的多关节人体模型，然后对所述视频帧图像进行摄像机标定，以建立三维空间到二维图像的投影关系；

提取所述视频帧图像的图像特征；

根据建立的三维空间到二维图像间的投影关系和提取的视频特征图像，将三维的所述多关节人体模型按照给定的相机参数投影到二维图像坐标系，得到模型特征图像；

将所述模型特征图像和所述视频特征图像进行图像比对，得到给定的所述相机参数下的所述模型特征图像与所述视频特征图像的相似度度量；

判断所述相似度度量是否大于或等于一相似度阈值，

若是，则将所述模型特征图像对应的模型姿态作为当前的所述多关节人体模型的运动姿态输出；

若否，则通过一预设的校正方法校正所述多关节人体模型的运动姿态然后输出。

2.根据权利要求1所述的基于移动机器人的动捕跟踪方法，其特征在于，从所述视频帧图像上提取的图像特征包括人体的外轮廓特征、边界特征、灰度特征和肤色特征。

3.根据权利要求2所述的基于移动机器人的动捕跟踪方法，其特征在于，所述校正方法校正所述多关节人体模型的运动姿态的过程包括如下步骤：

步骤L1，通过一服从概率分布p的运动模型生成可表示运动姿态的多个候选样本；

步骤L2，对各所述候选样本进行优化，得到优化后的所述候选样本；

步骤L3，根据优化后的各所述候选样本，并通过一观测似然函数输出加权样本集合；

步骤L4，根据所述加权样本集合生成所述概率分布p。

4.根据权利要求3所述的基于移动机器人的动捕跟踪方法，其特征在于，所述候选样本为从所述视频帧图像上提取的特征点的运动姿态X。

5.根据权利要求4所述的基于移动机器人的动捕跟踪方法，其特征在于，所述步骤L2中，通过一目标函数优化所述候选样本X，

上式中，r_i(X，Y)表示第i个特征点位置上的所述视频特征图像Y与所述模型特征图像之间的姿态误差；

M为所述视频特征图像Y中的特征点数量。

6.根据权利要求5所述的基于移动机器人的动捕跟踪方法，其特征在于，优化所述候选样本X的过程如下：

通过以下公式计算h(x)的梯度矢量Δh(x)：

上式中，r(X，Y)表示模型姿态为X时，观测到的所述视频特征图像Y与所述模型特征图像之间的姿态误差，

J为X的雅克比矩阵，

N为所述视频特征图像Y上的所述候选样本的数量；

将X的二阶偏导表示为：

最后通过以下公式对所述候选样本进行优化：

X′＝X-H(X)^-1Δh(x)＝X-(J^TJ)^-1J^Tr(X)＝X+ΔX

上式中，ΔX用于表示优化迭代增量，ΔX根据线性方程JΔX＝r(X，Y)的伪逆进行求解；

X′表示优化后的所述候选样本。

7.根据权利要求5所述的基于移动机器人的动捕跟踪方法，其特征在于，所述视频特征图像Y包括所述视频帧图像上人体的外轮廓特征图像Y_s、边界特征图像Y_e、灰度特征图像Y_g和肤色特征图像Y_c。

8.根据权利要求6所述的基于移动机器人的动捕跟踪方法，其特征在于，所述步骤L3中，所述观测似然函数的表达形式如下：

p(Y|X)＝p(Y_s，Y_e，Y_g，Y_c|X)＝p(Y_s|X)p(Y_e|X)p(Y_g|X)p(Y_c|X)

上式中，Y∈{Y_s，Y_e，Y_g，Y_c}表示从所述视频帧图像上提取的所述视频特征图像，其中，Y_s表示所述视频帧图像上的人体外轮廓特征图像；

Y_e表示所述视频帧图像上的人体边界特征图像；

Y_g表示所述视频帧图像上的人体灰度特征图像；

Y_c表示所述视频帧图像上的人体肤色特征图像；

X表示所述视频特征图像上的某个特征点的运动姿态；

r_i(X，Y*)表示当运动姿态为X时，在特征点i处的所述视频特征图像与所述模型特征图像之间的姿态误差；

M为所述视频特征图像上的特征点的数量。