[发明专利]人体动作捕获及姿态分析系统

说明书

技术领域

本发明涉及一种人体动作捕获及姿态分析系统，尤其是能应用于计算机视觉领域的系统。 

背景技术

目前，公知的人体动作捕获及姿态分析系统，前景检测通常采用背景差分法，背景建模常使用高斯模型，这种方法计算量大、速度慢，易受阴影影响，检测到的目标图像存在噪音，并且暂停运动的目标会被吸收为背景的一部分，导致目标内部存在空洞。并且，关节点提取通常采用光学标记或人工标定，人为误差较大，自动化程度低，并且目前的自动提取方法通常采用曲线拟合的方法，计算量较大、精确度低，不具有普遍适用性。 

发明内容

为了克服现有的人体动作捕获及姿态分析系统的前景检测结果精度低、关节点提取过程自动化程度低的缺陷，本发明提供一种人体动作捕获及姿态分析系统，能够改善前景检测效果，并且自动初始化人体关节点。 

本发明解决其技术问题所采用的技术方案是：前景检测采用背景差分和帧间差分相结合的方法，关节点提取采用多算法融合，即垂直积分投影、索引查找表、水平线扫描和长度比例约束相融合的方法。 

本发明的有益效果是，可以对人体目标进行完整的检测以及实现关节点的自动定位。 

附图说明

下面结合附图和实施例对本发明进一步说明。 

图1是系统流程图。 

图2是前景检测流程图。 

图3是关节点提取流程图。 

图4是动作识别流程图。 

具体实施方式

在图1中，将摄像头与计算机相连接，打开摄像头开始捕获视频，将捕获到的视频流送入系统的软件部分，软件部分分为四个模块，分别为人体检测模块、特征提取模块、目标跟踪模块、动作识别分析模块。 

在图2中，为人体检测模块，目的是从视频序列中提取出人体目标。首先利用摄像头捕获连续的背景场景，然后将前十帧背景图像进行累加，取平均值后得到平均累积背景图像I_avg。同时对前十帧图像的相邻两帧图像求差值，然后将这些差值的绝对值累加为累积帧差图像，再取平均得到平均累积帧差图像I_diff。选取阈值MIN和MAX，这里的阈值是通过实验得到的经验值，最后根据公式I_avg-MIN·I_diff＜I_back＜I_avg+MAX·I_diff，得到I_back则为背景模型。得到背景模型后，令目标人体进入摄像头捕获范围，保持双臂在两侧水平举起，两腿自然分开一定距离，挺直站立姿态。利用摄像头拍摄一段包含目标人体的视频序列，对每一帧进行背景差分，也就是将当前帧与背景模型做差，于是得到前景图像。由于此时的背景图像存在噪音，因此对图像进行连通域分析，并利用先腐蚀后膨胀的形态学操作得到人体剪影图像。 

在图3中，为特征提取模块，目的是从视频序列中提取人体的16个关节点。首先利用八邻域骨骼化算法对人体剪影图像进行细化，得到人体骨骼图像。八邻域算法是对于图像中的某一像素点p₁，以其上方的相邻像素为起点，按顺时针方向对p₁邻域内的八个像素进行标号，分别为p₂、p₃…p₉。当p₁的八邻域像 素同时满足下面四个条件时，则将其像素值置为0。四个条件如下： 

(1)2≤N(p₁)≤6 

(2)Z(p₁)＝1 

(3)p₂·p₄·p₈＝0或Z(p₂)≠1 

(4)p₂·p₄·p₆＝0或Z(p₄)≠1 

其中N(p₁)表示p₁的八邻域像素中黑色像素点（值为0）的个数，Z(p₁)表示从p₁上方像素点p₂开始按顺时针方向，像素值从0到1的变化次数，到p₂结束。采用上述方法，遍历图像中的每一个像素点，检验以其为中心的八邻域像素是否同时满足以上四个条件，若至少有一个条件不满足，则将其像素值置为1，判断为骨骼点。如此反复操作，最终得到一幅二值化骨骼图像。