[发明专利]人体姿态估计方法及系统

权利要求书

1.一种人体姿态估计方法，其特征在于，包括如下步骤：

A.建立人体结构化模型，并结合传感器的信息计算出人体运动的姿态和在大地坐标系内的位置信息；

B.建立人体运动的贝叶斯网络模型，结合人体运动的姿态和在大地坐标系内的位置信息对贝叶斯网络模型求解，通过之前帧人体姿态数据在贝叶斯网络模型内通过置信传播算法预测之后帧的人体姿态。

2.根据权利要求1所述的人体姿态估计方法，其特征在于，在所述步骤A中包括如下步骤：

A1.建立人体结构化模型，所述人体结构化模型包括关节点和肢体段；

A2.传感器到人体的配准，完成人体姿态从传感器坐标系到大地坐标系的转换；配准时让人体坐标系与大地坐标系重合，此时各个肢体段在大地坐标系下的向量是已知的表示为vG，那么肢体段在传感器坐标系下面的向量vS用传感器输出的四元数进行转换而得到，之后每个时刻肢体段在大地坐标系下的向量就由该时刻的四元数和vS求出，也就是人体肢体段该时刻的姿态；

A3.根据脚部传感器的加速度信息进行着地点检测；

A4.人体空间位置求解，根据着地点的位置，以及各个肢体段在大地坐标系下的向量用递推的方法求出各个关节点的位置，从而确定人体的空间位置。

3.根据权利要求2所述的人体姿态估计方法，其特征在于，在所述步骤B中包括如下步骤：

B1.根据人体结构化模型建立贝叶斯网络模型，所述贝叶斯网络模型包含至少两层的人模型，每一层代表某一帧人体各个节点所处的状态，层内节点按照人体关节的连接关系连接，层间节点按照对应关系连接；

B2.贝叶斯网络模型中R为旋转矩阵，T为平移矩阵；测之后帧的人体姿态之前，先通过第N帧与N-1帧求出R和T，再与贝叶斯网络模型中对应的R和T加权平均作为新的R和T，其中第N帧为当前帧；

B3.更新贝叶斯网络模型后，采用置信传播算法来推算待求节点；信息的传播方向为层与层之间为单向传播，即第N层只影响第N+1层，而不影响N-1层，层间为双向传播；迭代传播直至贝叶斯网络模型中所有节点的值收敛，此时第N+1层的各个节点的值即为估计值。

4.根据权利要求3所述的人体姿态估计方法，其特征在于，在所述步骤A2中，根据采集到的加速度和四元数，计算各节点在大地坐标下的坐标。

5.根据权利要求4所述的人体姿态估计方法，其特征在于，在所述步骤B2中，同时利用旋转矩阵R和平移矩阵T表达两个节点之间的关系，旋转矩阵R和平移矩阵T的每个参数均符合高斯分布；在所述步骤A3中，根据脚部传感器的加速度信息进行着地点的检测；在所述步骤B3中，通过调节每个参数高斯分布的方差，来调节置信传播的收敛速率。

6.根据权利要求1至5任一项所述的人体姿态估计方法，其特征在于，该人体姿态估计方法还包括：

C.将当前姿态和预测姿态通过3D图像的形式在终端上实时显示。

7.根据权利要求6所述的人体姿态估计方法，其特征在于，还包括数据采集方法：在人体相关部位绑定传感器，并开启各个传感器采集人体运动信息；将主节点连接至终端，打开主节点电源，并开始接收各个传感器发送的运动信息。

8.一种人体姿态估计系统，其特征在于，包括：

建立人体结构化模型单元，用于建立人体结构化模型，并结合传感器的信息计算出人体运动的姿态和在大地坐标系内的位置信息；

建立人体运动的贝叶斯网络模型单元，用于建立人体运动的贝叶斯网络模型，结合人体运动的姿态和在大地坐标系内的位置信息对贝叶斯网络模型求解，通过之前帧人体姿态数据在贝叶斯网络模型内通过置信传播算法预测之后帧的人体姿态。

9.根据权利要求8所述的人体姿态估计系统，其特征在于，包括数据采集单元，在所述数据采集单元中包括在人体相关部位绑定传感器，并开启各个传感器采集人体运动信息，将主节点连接至终端，打开主节点电源，并开始接收各个传感器发送的运动信息。

10.根据权利要求9所述的人体姿态估计系统，其特征在于，所述主节点与所述终端为有线或无线连接，所述终端包括上位机或移动终端。