[发明专利]一种基于深度数据的人体骨骼跟踪系统的实现方法

说明书

技术领域

本发明属于模式识别和人机交互技术领域，特别是涉及一种基于深度数据的人体骨骼跟踪系统的实现方法。

背景技术

利用深度图像进行人体识别研究是当今计算机视觉领域的一大类热点问题。其研究内容涵盖人体的检测与跟踪、手势识别、动作识别、人脸识别、性别识别和行为与事件识别等；其研究方法几乎囊括了所有的模式识别问题的理论与技术，如统计理论，变换理论，上下文相关性，分类与聚类，机器学习，模板匹配，滤波等。利用深度图像进行人体识别有着非常广泛的应用价值，在一定的空间范围内，深度图像可以用来进行3D空间中的识别，代替可见光摄像机的双目视觉。如应用在安全监控系统一一机场、地铁等公共场所和刑侦破案等；应用在人机交互的门禁系统、游戏等；应用在运动细节捕捉与分析的体育比赛或录像等。

中国专利申请201110160313.X公开了“一种基于深度图像感应的肢体动作识别方法及系统”，包括获取用户及其所在环境的深度图像信息；从上述深度图像信息的背景中抽取用户肢体轮廓；分别改变标准人体骨骼框架中各个部分的大小，使其与上述用户肢体轮廓相适应，获得相应于该用户的适配肢体骨骼框架；在深度图像信息中，以适配肢体骨骼框架的格式跟踪、抽取表达用户肢体的运动的数据；根据表达用户肢体的运动的数据识别用户的肢体动作。但该方法采用从深度图像中提取的肢体轮廓与实现存储的人体骨骼框架进行配准还存在明显的不足：一是该方法需要事先采集人体骨骼框架；二是在人体骨骼框架与肢体轮廓进行配准适应时，虽然可以对骨骼框架各个部分大小进行改变去适应肢体轮廓，但人的体型高矮胖瘦不同，同一个人姿态不同，肢体轮廓形状也会不同，骨骼框架与肢体轮廓的适应存在很大的难度；三是对于人体肢体轮廓千字百态，需要事先采集的骨骼框架数据量非常大，难以实现。

中国专利申请201310327955.3公开了“一种基于kinect人体骨骼跟踪控制的智能机器人人机交互方法”，包括3D深度传感器检测操作者的动作，获得数据帧，转化为图像，分割图像中类似于人体的物体与背景环境，获取景深数据；提取人体骨骼信息，识别人体不同部位，建立人体各关节3D坐标；识别人体双手骨骼节点转动信息，通过捕捉不同骨骼关节点角度的变化辨识是人体哪只手的触发；解析出操作者不同的动作特征，将相应字符作为控制指令发送给下位机机器人；AVR单片机主控器接收、处理字符，控制下位机机器人执行相应的动作，实现一个基于kinect人体骨骼跟踪控制的智能机器人人机交互。但该方法还存在明显不足：一是人体运动运动过程中，单相机景深数据不可避免存在自遮挡问题，对于人体被遮挡部位无法获得景深数据，无法匹配求出关节位置；二是不同人体存在高矮胖瘦及服装差异，即使同一人也无法做到各个姿态下同一人体部分形状相同，因此无法获得精准的匹配结果。

中国专利申请201010101562.7公开了“一种无标记单目视频人体骨架运动跟踪方法”，包括如下步骤：(1)视频图像预处理,得到背景和人体分离的二值图像；(2)二值图像距离变换,得到几何骨架；(3)几何骨架处理,寻找其端点及拐点,作为几何骨架的关键点；(4)根据预设的人体骨骼模型中人体关节的相对位置关系,对几何骨架关键点进行人体关节语义的标识；(5)对成功标识为人体关节的每个点,使用稀疏特征集光流跟踪的方法,在后继帧中找到对应的匹配点；(6)对跟踪结果中的失效部分,采用粒子滤波的方法,估计该失效部分可能的状态,恢复跟踪过程。但该方法获取骨架还存在明显不足：一是其提取的骨架为2D骨架，不包含深度信息；二是基于彩色图对不同姿态骨架提取准确度不高。

综上所述，如何克服现有技术所存在的不足已成为当今模式识别和人机交互技术领域中亟待解决的重点难题之一。

发明内容

本发明的目的是为克服现有技术所存在的不足而提供一种基于深度数据的人体骨骼跟踪系统的实现方法，本发明能够使人体骨骼跟踪系统有效地解决传统交互方式所存在的问题，本发明具有控制直接性、可视化性、可移植性和低成本性等优点。

根据本发明提出的一种基于深度数据的人体骨骼跟踪系统的实现方法，其特征在于，具体是用于数据采集单元、肢体分割单元、骨骼点单元和跟踪显示单元构建的一种基于深度数据的人体骨骼跟踪系统，所述各单元之间为顺序调用关系，肢体分割单元利用数据采集单元处理得到的场景深度数据来进行肢体分割，骨骼点单元利用肢体分割单元分割后的结果来计算肢体的各个骨骼点的具体位置，跟踪显示单元利用骨骼点单元计算出的骨骼点的位置，建立人体的骨架模型并跟踪显示；具体步骤包括如下：

步骤1，利用深度传感器采集人体的深度数据；