[发明专利]基于带有噪声输入的稀疏高斯过程的姿态估计方法及系统

权利要求书

1.一种基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，包括：

图像特征提取步骤：通过抑制的背景模型和自适应阈值，提取图像的人体姿态轮廓，并提取图像的HOG特征；

预测估计步骤：选取稀疏算法的感应输入输出集，给输入集添加高斯噪声，通过最大似然估计法与梯度下降法确定带有噪声输入的高斯过程的超参数，从而确定高斯过程的联合概率分布函数，利用所选取的感应输入输出集作为训练集进行稀疏算法的稀疏训练，得到预测估计的模型。

2.根据权利要求1所述的基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，所述提取图像的HOG特征包括：

计算图像每个像素的梯度大小和方向，划分图像，将若干像素组成一个单元，统计每个单元的梯度直方图，形成每个单元的特征描述，将若干单元组成一个块，将每个块内所有单元的特征描述串联，得到每个块的HOG特征描述，将图像内的所有块的HOG特征描述串联，得到图像的HOG特征。

3.根据权利要求2所述的基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，6*6个像素组成一个单元，3*3个单元组成一个块。

4.根据权利要求1所述的基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，在所述图像特征提取步骤之前还包括：

图像采集与预处理步骤：对视频序列进行截取得到RGB图像，将得到的RGB图像进行包括降噪、灰度化在内的预处理。

5.根据权利要求1所述的基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，在所述预测估计步骤之后还包括：

结果评估步骤：对稀疏训练剩下的数据作为测试数据进行验证，得到模型的精度。

6.一种基于带有噪声输入的稀疏高斯过程的姿态估计系统，其特征在于，包括：

图像特征提取模块：通过抑制的背景模型和自适应阈值，提取图像的人体姿态轮廓，并提取图像的HOG特征；

预测估计模块：选取稀疏算法的感应输入输出集，给输入集添加高斯噪声，通过最大似然估计法与梯度下降法确定带有噪声输入的高斯过程的超参数，从而确定高斯过程的联合概率分布函数，利用所选取的感应输入输出集作为训练集进行稀疏算法的稀疏训练，得到预测估计的模型。

7.根据权利要求6所述的基于带有噪声输入的稀疏高斯过程的姿态估计系统，其特征在于，所述提取图像的HOG特征包括：

计算图像每个像素的梯度大小和方向，划分图像，将若干像素组成一个单元，统计每个单元的梯度直方图，形成每个单元的特征描述，将若干单元组成一个块，将每个块内所有单元的特征描述串联，得到每个块的HOG特征描述，将图像内的所有块的HOG特征描述串联，得到图像的HOG特征。

8.根据权利要求7所述的基于带有噪声输入的稀疏高斯过程的姿态估计方法，其特征在于，6*6个像素组成一个单元，3*3个单元组成一个块。

9.根据权利要求6所述的基于带有噪声输入的稀疏高斯过程的姿态估计系统，其特征在于，还包括：

图像采集与预处理模块：对视频序列进行截取得到RGB图像，将得到的RGB图像进行包括降噪、灰度化在内的预处理，并将预处理的RGB图像传输至所述图像特征提取模块。

10.根据权利要求6所述的基于带有噪声输入的稀疏高斯过程的姿态估计系统，其特征在于，还包括：

结果评估模块：对稀疏训练剩下的数据作为测试数据进行验证，得到模型的精度。