[发明专利]一种人体姿态估计方法

说明书

本发明公开了一种人体姿态估计方法，其有效地解决了传统算法中存在的人体姿态易受光照、遮挡等因素影响的问题，通过将彩色图像信息与深度图像信息相融合，实现更高的鲁棒性以及定位准确度。包括步骤：(1)分部位计算特征模板，提取深度特征：以待测点到人体中心点的最短路径为极坐标方向，通过该极坐标系下依次取半径和角度所统计的深度差作为待测点的深度特征向量；(2)将各个特征模板整合起来构建人体姿态数据的树结构模型；(3)基于树结构模型构建打分函数，将待检测图像与模型进行匹配，从而实现人体特征定位。

技术领域

本发明属于计算机视觉的技术领域，具体地涉及一种人体姿态估计方法。

背景技术

人体姿态估计作为计算机视觉研究领域的一个重要研究方向，以及体感技术领域中的一个关键问题，广泛应用于人体活动分析、智能视频监控及高级人机交互等领域。人体姿态估计技术，可以通过计算机在一幅包含人体的图像中自动地检测出人体，即输出人的整体或者局部肢体的结构参数，如人体轮廓、头部的位置与朝向、人体关节点的位置与部位类别，为人体活动分析、智能监控等研究工作提供重要的基础数据。

近年来，国内外学者们提出了多种人体姿态估计方法，例如基于分割与匹配的检测方法、基于梯度信息的检测方法以及基于统计学习的检测方法，这些方法都是基于图结构模型。图结构模型是人体姿态的一种广泛使用的模型，主要包含用于确定人体部位定位位置的似然度观测项，以及用于确定人体部位定位位置符合模型结构的程度的结构先验项。基于图结构模型进行人体姿态估计的核心思想是，根据人体各个部位特征的形状特点构造一个带有可变参数的几何模型，该模型的可变参数反映了对应特征形状的可变部分，如位置、大小、角度等，它们最终通过模型与图像的边缘、峰、谷和灰度分布特性的动态地交互适应来得以修正。该几何模型还设定一个相应的打分函数以度量被检测区域与模型的匹配程度。搜索时，通过优化的方法不断调整参数使得目标函数最小化，使模型逐渐收敛于待定位的人体特征，以达到最佳的匹配。

目前，基于图结构模型进行人体姿态估计的算法都是基于普通光学图像，比如常见的RGB图像。由于人体具有非刚性的特性，在公共场合中，存在背景复杂、姿态衣着多样、光照条件多变等因素，这些图像很容易受光照、阴影等外界因素影响，因而导致系统识别率低，很难实现鲁棒的特征提取。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种人体姿态估计方法，其有效地解决了传统算法中存在的人体姿态易受光照、遮挡等因素影响的问题，通过将彩色图像信息与深度图像信息相融合，实现更高的鲁棒性以及定位准确度。

本发明的技术解决方案是：这种人体姿态估计方法，包括以下步骤：

(1)分部位计算特征模板，提取深度特征：以待测点到人体中心点的最短路径为极坐标方向，通过该极坐标系下依次取半径和角度所统计的深度差作为待测点的深度特征向量；

(2)将各个特征模板整合起来构建人体姿态数据的树结构模型；

(3)基于树结构模型构建打分函数，将待检测图像与模型进行匹配，从而实现人体特征定位。

本发明首先分部位计算特征模板，提取特征，而后将各个模板整合起来构建人体姿态数据的树结构模型，再基于树结构模型构建打分函数，将待检测图像与模型进行匹配，从而实现人体特征定位，所以有效地解决了传统算法中存在的人体姿态易受光照、遮挡等因素影响的问题，通过将彩色图像信息与深度图像信息相融合，实现更高的鲁棒性以及定位准确度。

附图说明

图1是根据本发明的步骤(1)的流程图。

图2是根据本发明的步骤(2)、(3)的流程图。

具体实施方式

这种人体姿态估计方法，包括以下步骤：