[发明专利]一种基于骨骼长度约束的人体三维姿态重建方法及系统

说明书

本发明涉及一种基于骨骼长度约束的人体三维姿态重建方法及系统，所述基于骨骼长度约束的人体三维姿态重建方法包括：基于臀关节z坐标的估计模型，根据待识别图像，得到臀关节的z坐标；基于各关节z坐标的估计模型，根据待识别图像，得到各关节的z坐标；根据所述臀关节的z坐标，采用骨骼长度约束方法，得到多个人体姿态，避免了从二维姿态重建三维姿态的多义性问题；根据所述臀关节的z坐标、所述各关节的z坐标以及所述多个人体姿态，确定最终的人体三维姿态，能够精确估计同一骨骼上两关节在深度上的前后次序关系，提高了人体三维姿态重建的精确度。

技术领域

本发明涉及计算机视觉和视频处理领域，特别是涉及一种基于骨骼长度约束的人体三维姿态重建方法及系统。

背景技术

通过图像分析人体的姿态是计算机视觉研究的重要问题。人体姿态的估计被广泛应用于人机交互、电影特效以及智能监控系统等诸多领域。三维人体姿态估计是指从图像中估计出图像中人体的各个主要关节点的三维坐标，用于表示图像中人体三维姿态的过程。近年来，随着技术的进步，从而不断增加新的应用场景，三维人体姿态估计在人机交互、动作估计、动画和虚拟现实等方面有着广泛的应用价值，成为一个基本而具有挑战性的课题。

由于深度学习的发展以及二维人体姿态的数据容易获取，二维人体姿态估计领域已经得到了很大的进展突破。因此，可以从图像中的人体二维关节坐标中恢复其对应的关节三维空间坐标。而目前基于二维姿态的人体三维姿态重建方法通常采用深度神经网络进行回归，通过样本训练学习二维姿态与三维姿态之间的映射关系来实现。此类方法有一个大的缺陷：从二维姿态恢复其对应的三维姿态属于一对多的关系，存在多义性的问题，导致最终确定的三维姿态不准确、精度低。

基于上述问题，亟需一种新的重建方法以提高人体三维姿态重建的精确度。

发明内容

本发明的目的是提供一种基于骨骼长度约束的人体三维姿态重建方法，可提高人体三维姿态重建的精确度。

为实现上述目的，本发明提供了如下方案：

一种基于骨骼长度约束的人体三维姿态重建方法，所述基于骨骼长度约束的人体三维姿态重建方法包括：

基于臀关节z坐标的估计模型，根据待识别图像，得到臀关节的z坐标；

基于各关节z坐标的估计模型，根据待识别图像，得到各关节的z坐标；

根据所述臀关节的z坐标，采用骨骼长度约束方法，得到多个人体姿态；

根据所述臀关节的z坐标、所述各关节的z坐标以及所述多个人体姿态，确定最终的人体三维姿态。

可选地，所述臀关节z坐标的估计模型的建立方法包括：

获取历史数据集，所述历史数据集包括多对初始图像及历史臀关节的z坐标；

针对每对初始图像及历史臀关节的z坐标，根据所述初始图像，确定人体二维关节坐标；

根据所述二维关节坐标确定人体在所述初始图像中的外包围矩形；

将外包围矩形外的图像设置为白色，得到处理图像；

根据各对处理图像及历史臀关节的z坐标，对Inception-V4神经网络进行训练，得到人体臀关节z坐标的估计模型。

可选地，所述人体各关节z坐标的估计模型的建立方法包括：

获取历史数据集，所述历史数据集包括多对初始图像及历史各关节的z坐标；

针对每对初始图像及历史各关节的z坐标，根据所述初始图像，确定人体二维关节坐标；

根据所述二维关节坐标确定人体在所述初始图像中的外包围矩形；