[发明专利]一种实时三维无标记人体姿态识别方法及系统

说明书

技术领域

本发明涉及计算机视觉领域，具体涉及一种实时三维无标记人体姿态识别方法及系统。

背景技术

近年来，人体运动视觉分析逐渐成为计算机视觉领域的热点问题。其主要的算法流程是通过摄像头获取视频图像，提取所需信息，对所需信息进行计算机自动分析并反馈的过程。其中包括目标分离，动作检测，形态识别等。其主要研究目的是以分析人体的运动姿势为目标，为行为理解提供更多的信息，从而更好的实现智能判断，并对相应的人体行为做出应急处理方案。

在对人体姿态识别的研究过程中，有的采用模板匹配的方法，有的采用基于标记特征点的方法，有的采用基于运动状态空间的方法，等等。

上述各种方法都有其不足之处。模板匹配的方法需要建立多个预定义的状态模板，使之与分离出的目标进行模板匹配，确定出摄像头捕获的目标的具体姿态。基于标记特征点的方法无法实现实时状态下的无标记人体行为检测，从而不利于视频监控下的姿态行为的检测及推广。基于运动状态空间的方法是通过隐式马可夫模型对状态空间进行分析并对下一个行为状态进行预测，但后继状态预测的效果受到多方面的条件限制。

发明内容

有鉴于此，有必要提供一种实时三维无标记人体姿态识别方法及系统，能快速、实时的实现人体姿态识别。

为此本发明提供如下技术方案：

一种实时三维无标记人体姿态识别方法，包括：

分别从不同视角采集至少四个人体姿态的单视角视频图像；

对所有单视角视频图像进行预处理；

对预处理后的单视角视频图像进行三维轮廓重建处理，形成三维轮廓图像；

对三维轮廓图像进行姿态分类；

输出姿态分类的结果。

进一步的，所述预处理包括背景分离和人体轮廓提取处理。

进一步的，所述三维轮廓重建处理包括：

将每帧视频图像划分为严格离散的多个单元；

从查找表中获取每个单元对应的三维像素点；

根据多角度冗余视频图像以及查找表反向构建出三维图像中各像素点的信息；

对各像素点的信息进行整合，获得完整的三维轮廓图像。

进一步的，对三维轮廓图像进行姿态分类包括：

对三维轮廓图像进行平均边界空余最大化转换处理；

通过转换处理，获取最适应边界转换矩阵，确定相关系数；

通过最近邻分类器将处理后的三维轮廓图像与预定义姿态数据库中的例子姿态进行比较，寻找到最佳匹配，即进行姿态分类。

进一步的，最近邻分类器采用三维类Haar小波特征分类方法进行姿态分类。

进一步的，还包括对最近邻分类器进行训练的步骤。

一种实时三维无标记人体姿态识别系统，其特征在于，包括：

至少四个单视角视频图像采集模块，用于分别从不同视角采集人体姿态的单视角视频图像；

至少四个预处理模块，用于对单视角视频图像进行预处理；预处理模块与单视角视频图像采集模块的数量是相等的，每个预处理模块连接一个单视角视频图像采集模块；

三维轮廓重建处理模块，用于将预处理后的单视角视频图像进行三维轮廓重建处理，形成三维轮廓图像；

预定义姿态数据库，用于存储例子姿态；

最近邻分类器，用于结合预定义姿态数据库对三维轮廓图像进行姿态分类；

输出模块，用于输出姿态分类的结果。

进一步的，所述单视角视频图像采集模块由终端节点摄像头实现。

进一步的，所述预处理模块由终端节点计算机实现。

进一步的，所述三维轮廓重建处理模块、最近邻分类器、预定义姿态数据库及输出模块由中央计算机实现。

本发明通过多个终端节点摄像头多角度进行视频图像采集，每个终端节点摄像头与一台终端节点计算机连接，终端节点计算机对视频图像进行预处理，预处理包括背景分离和人体轮廓提取处理。提取出的轮廓统一发送到中央处理计算机实现三维轮廓重建，并根据终端节点计算机中冗余的图像信息，快速、实时构建三维完整图像。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实时三维无标记人体姿态识别方法的流程图；

图2是本发明实时三维无标记人体姿态识别方法的模块图；

图3是获取完整三维轮廓的原理图；