[发明专利]基于双摄像头的不同场景下实时人体转动角度识别方法

说明书

本发明公开了一种基于双摄像头的不同场景下实时人体转动角度识别方法，其实现成本低，且易实现，不容易受环境影响。本发明设置两个参数相同的摄像头，并通过两个摄像头分别获取人体的实时图像，然后使用人体骨骼关键点识别技术获取图像中人体的骨骼关键点坐标，最后根据左右摄像头得到的人体骨骼关键点坐标的差异，来计算出此时人体的相对转动角度。本发明能够适用于不同的应用场景，并且准确实时地获取人体转动角度。

技术领域

本发明属于计算机视觉领域，具体涉及基于双摄像头的不同场景下实时人体转动角度识别方法。

背景技术

目前的姿势识别研究主要从人体骨骼关键点检测出发，理论上只要获取了人体的骨骼关键点的三维坐标，便能够计算出关节或者整个人体的转动角度。当前二维的人体关键点识别技术已经趋于成熟，不管是单人还是多人场景下，识别准确率都非常准确。目前也有基于单张图片做三维人体骨骼关键点识别的，但是准确性很难得到保证。因此关键难点在于如何获取准确的深度信息。目前常用的深度图像获取方法主要有双目立体视觉、结构光以及激光雷达等方法。其中双目立体视觉虽然具有对相机硬件要求不高，成本低廉的优点，但是其对环境光照非常敏感、不适用于单调缺乏纹理的场景、计算复杂度高和相机基线限制了测量范围等缺点使得其适用的领域范围受到了很大限制。微软公司推出的Kinect设备，在结构光的基础上开发出光编码技术，Kinect低廉的价格与实时高分辨率的深度图像捕捉特性使得其在消费电子领域得到了迅猛发展，然而Kinect的有效测距范围仅为800毫米到4000毫米，对处在测距范围之外的物体，Kinect并不能保证准确深度值的获取。Kinect捕获的深度图像存在深度缺失的区域，其体现为深度值为零，该区域意味着Kinect无法获得该区域的深度值。而除此之外，其深度图像还存在着深度图像边缘与彩色图像边缘不对应、深度噪声等问题。激光雷达由于其测距范围广、测量精度高的特性被广泛地用于室外三维空间感知的人工智能系统中，然而，激光雷达所捕获的三维信息体现在彩色图像坐标系下是不均匀并且稀疏的。由于单位周期内，激光扫描的点数是有限的，当把激光雷达捕获的三维点投射到彩色图像坐标系下得到深度图像时，其深度图像的深度值以离散的点的形式呈现，深度图像中许多区域的深度值是未知的。这也就意味着彩色图像中的某些像素点并没有对应的深度信息。

发明内容

针对现有技术中的上述不足，本发明提供的基于双摄像头的不同场景下实时人体转动角度识别方法解决了现有技术中易受环境影响和计算复杂度高的问题。

为了达到上述发明目的，本发明采用的技术方案为：基于双摄像头的不同场景下实时人体转动角度识别方法，包括以下步骤：

S1、在一面墙壁上设置两个参数相同且连线水平的摄像头；

S2、通过两个摄像头实时采集人体图像，并采用人体关键点识别算法获取人体骨骼关键点坐标，所述骨骼关键点坐标包括左肩关键点坐标和右肩关键点坐标；

S3、根据第一摄像头所采集的人体骨骼关键点坐标获取第一转向识别参数K₁，根据第二摄像头所采集的人体骨骼关键点坐标第二转向识别参数K₂；

S4、判断第一摄像头采集的左肩关键点横坐标是否大于其采集的右肩关键点横坐标，若是，则进入步骤S5，否则进入步骤S6；

S5、判断第二摄像头采集的左肩关键点横坐标是否大于其采集的右肩关键点横坐标，若是，则进入步骤S7，否则进入步骤S8；

S6、判断第二摄像头采集的左肩关键点横坐标是否大于其采集的右肩关键点横坐标，若是，则进入步骤S10，否则进入步骤S9；

S7、判断第一转向识别参数K₁是否大于第二转向识别参数K₂，若是，则判定为第一左转过程，并计算转动角度，得到人体转动角度识别结果，否则判定为第一右转过程，并计算转动角度，得到人体转动角度识别结果；