[发明专利]一种基于多Kinect的人体骨骼数据融合评价方法

说明书

本发明涉及一种基于多Kinect的人体骨骼数据融合评价方法，包括：基于无标记运动追踪系统进行数据采集并进行卡尔曼滤波处理，将数据进行预处理，通过无标记运动追踪系统获得的位姿矩阵将若干台Kinect传感器数据转换到Unity3D引擎世界坐标系内，进行多约束数据质量评价；若在预处理过程中关节点位置信息缺失，则采用粒子滤波算法对缺失的关节点进行预测；选择人体移动类和肢体调整类各若干种动作，以OptiTrack采集的数据做为真值对照，将基于多Kinect的人体骨骼数据融合评价方法与加权方法进行性能表现对比分析。本发明方法，为实时骨骼融合提供了一套全面的质量测量；构建了日常动作库来对算法的精度进行分析。

技术领域

本发明涉及虚拟现实技术领域，特别是涉及一种基于多Kinect的人体骨骼数据融合评价方法。

背景技术

人体运动捕捉作为一种非常自然地人机交互方法，在计算机领域和工业领域都发挥着重要的作用。在虚拟环境中捕捉人体运动的方法主要包括电磁位置追踪器、超声波位置追踪器、惯性位置追踪器和光学位置追踪器等几大类，其中主流的人体追踪设备主要为惯性系统和光学运动捕捉系统。

Kinect V1 SDK获取骨骼三维数据的原理是使用经过训练的决策森林将深度图像的每个像素分类为关节的一部分，然而在缺乏高精度深度信息的情况下，保证足够的追踪精度对无标记运动捕捉是一个挑战，导致无标记运动捕捉无法直接应用于工业领域。2014年Kinect V2成功发布，尽管与Kinect V1相比，Kinect V2提供了更好的跟踪效果，在图像获取的分辨率、深度数据获取的精度、追踪范围、追踪骨骼的数量、面部表情检测等都有较大的改善，但是使用单个Kinect V2进行运动追踪还是存在很大的问题。

针对单Kinect在运动捕捉中存在的局限，国内外的研究大多集中在如何解决遮挡的问题，插值法广泛应用于估计缺失的数据，但是由于它需要知道缺失前、后的数据，因此不能满足实时性要求。虽然有一些解决方案通过改进单视图系统提取的骨架来提高追踪精度，但是如自遮挡、无法区分正反面等问题无法解决。对于Kinect这种较低成本的相机，目前公认较好的解决方案是在一个工作空间内引入多个Kinect传感器从不同角度对追踪对象进行重叠测量，以保证处于自遮挡状态的骨骼在其他角度有传感器对其稳定追踪，并将来自不同传感器的测量结果进行组合，实现与单个传感器相比更精确、稳健的骨骼跟踪。

发明内容

本发明为了解决单Kinect视野范围狭窄、自遮挡严重和无法区分正面，从而导致采集到的骨骼数据精度对于工业级应用严重不足，无法对产品的人机功效进行合理评价的问题提出了一种基于多Kinect的人体骨骼数据融合评价方法。

为实现上述目的，本发明提供了如下方案：

一种基于多Kinect的人体骨骼数据融合评价方法，包括以下步骤：

S1、基于无标记运动追踪系统进行骨骼数据采集，并进行卡尔曼滤波处理，得到第一数据，将所述第一数据进行预处理后通过所述无标记运动追踪系统获得的位姿矩阵，转换到Unity3D引擎世界坐标系内，进行多约束数据质量评价；

S2、若在所述预处理过程中关节点位置信息缺失，则此时采用粒子滤波算法对缺失的关节点进行预测；

S3、选择人体移动类和肢体调整类各若干种动作，以OptiTrack采集的数据做为真值对照，将基于多Kinect的人体骨骼数据融合评价方法与加权方法进行性能表现对比分析。

优选地，所述S1的具体步骤为：

基于无标记运动追踪系统的客户端采集骨骼数据，并进行卡尔曼滤波处理，得到所述第一数据，将所述第一数据进行预处理，通过所述无标记运动追踪系统获得的位姿矩阵，通过若干台Kinect传感器数据转换到Unity3D引擎世界坐标系内。

优选地，所述骨骼数据包括：三维骨骼数据、骨骼追踪状态和用户与视场相对位置置信度。