[发明专利]一种基于移动机器人的动捕跟踪方法

说明书

本发明公开了一种基于移动机器人的动捕跟踪方法，包括：利用移动机器人捕捉人体运动视频帧图像；构建一多关节人体模型，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，并在相似度度量低于一相似度阈值时对模型运动姿态进行校正。本发明可有效确保模型运动的真实度。本方法可以用于超大空间、户外的多人动作捕捉场景。

技术领域

本发明涉及目标动作捕捉技术领域，特别是超大空间户外的动作捕捉，具体涉及一种基于移动机器人的动捕跟踪方法。

背景技术

随着计算技术的高速发展，新一代人机交互也逐渐成为可能，特别是三维人体运动姿态估计，已成为当前计算机视觉和计算机图形学领域最具有挑战性的研究方向。有标记的三维运动跟踪和分析系统已经在商业上得到了成功应用，比如Vicon公司的MoCap系统已在体育运动分析等领域得到广泛的应用。但这类方法最大的缺点是需要借助特殊的设备捕捉关节点的位置，因此，无标记的运动捕捉系统吸引了更多研究者的注意。

无标记点的运动跟踪方法主要分为两类：一是基于模型的方法，其采用多关节模型来表示人体的运动姿态，姿态的估计过程就是建立三维的多关节模型与特征图像之间对应关系的过程。基于模型的方法具有可以对任意运动姿态进行估计的特点，但是当三维模型的自由度较大时，建立模型和特征图像间的对应关系存在一定的难度。二是基于学习的方法，不直接使用模型来估计运动姿态。该方法针对一个特定的运动事先存储一组训练样本，运动估计的问题就变成一个在已知的有限样本集合中寻找最合适样本的过程，但基于学习的方法不能跟踪任意动作的运动姿态。特别是对于超大空间、户外的多人动作捕捉，目前没有太好的办法。

发明内容

本发明的目的在于提供一种基于移动机器人的动捕跟踪方法，以解决上述技术问题，特别是对于超大空间、户外的多人动作捕捉。

为达此目的，本发明采用以下技术方案：

提供一种基于移动机器人的动捕跟踪方法，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。

优选地，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。

优选地，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；