[发明专利]基于交互多模型的人体关节点分布式信息一致性估计方法

摘要

本发明公开了基于交互多模型的人体关节点分布式信息一致性估计方法，骨架关节点位置初始化；本地传感器对关节点运动估计：构建人体关节点的运动模型和观测模型，实现对关节点状态的有效估计；传感器之间对目标关节点的信息一致性估计：每个传感器将自身估计的关节点信息向量、信息矩阵及其对应的信息贡献、模型概率发送给相邻的通讯传感器节点，并接受周围传感器的信息，利用信息一致性算法，融合周围传感器的估计结果，连续迭代数次，实现算法和估计结果的收敛，通过构建分布式RGBD传感器网络，利用信息一致性算法，实现了对人体关节点的分布式估计，网络中无数据融合中心，提高了系统对节点信息错误和无效的鲁棒性，较容易实现对传感器网络的扩展。

主权项

1.基于交互多模型的人体关节点分布式信息一致性估计方法，其特征是，包括以下步骤：骨架关节点位置初始化；本地传感器对关节点运动估计：构建人体关节点的运动模型和观测模型，实现对关节点状态的有效估计；传感器之间对目标关节点的信息一致性估计：定义人体关节点状态对应的信息向量、信息矩阵及其信息贡献和模型概率作为信息一致性算法的交换量；每个传感器将自身估计的关节点信息向量、信息矩阵及其对应的信息贡献、模型概率发送给相邻的通讯传感器节点，并接受周围传感器的信息，利用信息一致性算法，融合周围传感器的估计结果，连续迭代数次，实现算法和估计结果的收敛；信息一致性估计时，具体包括的步骤为：(1)参数初始化，检测得出人体关节点的初始位置，位置的方差依据关节点识别的置信水平确定，并依据关节运动特点设定关节的运动模型转换概率；(2)多模型交互，即根据模型概率和模型转换概率计算模型之间的混合概率，再依据混合概率计算得出每个模型的混合均值和混合方差；(3)信息滤波，以混合均值和混合方差为输入，计算其信息向量和信息矩阵，对线性和非线性运动模型分别采用线性信息滤波器和中心差分信息滤波器估计，根据当前深度图像检测的关节点位置升级滤波器关节点状态和模型概率；(4)基于分布式信息一致性算法的信息融合，即各传感器之间交换关节点估计信息，包括关节点状态信息向量、信息矩阵和模型概率，通过信息一致性算法加权迭代实现各传感器估计状态的一致性。