[发明专利]一种基于多kinect的人体姿态数据融合方法

摘要

本发明公开了一种基于多kinect的人体姿态数据融合方法，通过搭建含有多台kinect的数据采集系统，对人体姿态骨骼信息进行采集，针对所采集信息的类别分别进行数据融合和数据预测，从而得到了完整的人体姿态骨骼信息，避免了kinect受到干扰导致骨骼数据出现跳变，或者人物自遮挡导致姿态缺失等检测骨骼数据不完整的问题，为后期处理中姿态识别、人机交互、虚拟现实等提供了便利。

主权项

一种基于多kinect的人体姿态数据融合方法，其特征在于，具体步骤如下：步骤1，搭建数据采集系统：正交摆放两台kinect，使其面向拍摄区域，kinect1和kinect 2分别与电脑a和电脑b连接，电脑a与电脑b连接之间建立局域网，以便进行数据传输；步骤2，数据采集：开启系统，电脑b实时将kinect 2获取的骨骼数据通过局域网发送给电脑a，同时电脑a实时获取kinect 1的骨骼数据，其中每个骨骼数据包括G(i,j)和F(i,j)两部分：G(i,j)是以第i个kinect为坐标原点的人体第j个骨骼位置坐标；F(i,j)是第i个kinect是否跟踪到人体第j个骨骼点的标记信息，F(i,j)值为0时，表示第i个kinect没有跟踪到第j个骨骼位置；F(i,j)值为1时，表示第i个kinect跟踪到第j个骨骼位置；其中i表示kinect的编号，i为1或2；j表示骨骼点的编号，0<j≤骨骼点数；步骤3，选择数据融合方式：针对kinect 1和kinect 2获取的骨骼数据进行分类，确定不同数据融合策略，具体为：3.1对于满足A＝{j|F(1,j)＝1}的骨骼点，认为已得到该点的骨骼点信息，忽略kinect 2检测到的骨骼点；3.2对于满足B＝{j|F(1,j)＝0,F(2,j)＝1}的骨骼点，进入步骤4，进行数据融合；3.3对于满足C＝{j|F(1,j)＝0,F(2,j)＝0}的骨骼点，进入步骤5，进行数据预测；步骤4，数据融合：对于符合数据融合条件的骨骼数据进行数据融合；4.1找到两个kinect都跟踪到的骨骼点最小下标，即求满足F(1,j)＝1且F(2,j)＝1的骨骼点，以其中最小的j值为融合数据的基准点，记为骨骼点t：t＝min{j|F(1,j)＝1,F(2,j)＝1,0＜j≤骨骼点个数}如果没找到满足条件的t，则直接进入步骤5，对所有F(1,j)＝0的骨骼点进行数据预测；4.2对于所有F(2,j)＝1的骨骼点，计算所有kinect 2跟踪到的骨骼点相对于骨骼点t的坐标偏移量εj：εj＝G(2,j)‑G(2,t),j∈B其中G(2,j)为kinect 2的骨骼点j的位置坐标，B为步骤3中满足数据融合条件的骨骼点j的集合，G(2,t)为kinect 2的骨骼点t的位置坐标；4.3根据坐标偏移量εj计算求出所有kinect 1未检测到的骨骼位置数据G(1,j)，并将这些骨骼点的标志位置为1，即将F(1,j)置为1：G(1,j)＝G(1,t)+εj,j∈B其中G(1,j)为kinect 1的骨骼点j的位置坐标，B为步骤3中满足数据融合条件的骨骼点j的集合，G(1,t)为kinect 1的骨骼点t的位置坐标；步骤5，数据预测：对于不符合数据融合条件的骨骼数据，采用对坐标数据的运动变化量求简易平均值进行预测。