[发明专利]用于人体跟踪的代表训练数据

权利要求书

1.一种用于生成用于人体跟踪的代表训练数据的处理器实现的方法，包括以下处理器实现的步骤：

访问至少一个运动捕捉序列(500)，所述至少一个运动捕捉序列标识其中行动者执行移动的时间段期间所述行动者的身体的姿态(1100)；

基于所述至少一个运动捕捉序列执行到多个身体类型的重新定标和不相似姿态选择，来提供多个不相似姿态(502)；以及

根据用于所述多个身体类型中的一相应身体类型的3-D身体模型(1302、1360)来渲染每一所述不相似姿态，以提供所述不相似姿态的相应的深度图像，并提供标识所述不相似姿态的身体部位的相应的分类图像(1400)，其中所述3-D身体模型是基于对应骨架的关节位置和关节角度中的至少一个来渲染的，使用多个3-D身体模型，对每一身体类型有一个3-D身体模型，并且相应的深度图像和相应的分类图像包括可由机器学习算法用于人体跟踪的像素数据。

2.如权利要求1所述的处理器实现的方法，其特征在于：

所述重新定标将所述至少一个运动捕捉序列重新定标到所述多个身体类型，以提供多个重新定标的运动捕捉序列，每一重新定标的运动捕捉序列标识所述多个身体类型的一相应身体类型的姿态；以及

所述不相似姿态选择从所述多个重新定标的运动捕捉序列中选择不相似姿态，使得所述不相似姿态是所述多个重新定标的运动捕捉序列中的姿态的子集。

3.如权利要求1所述的处理器实现的方法，其特征在于：

所述不相似姿态选择从所述至少一个运动捕捉序列中选择不相似姿态，使得所述不相似姿态是所述至少一个运动捕捉序列中的姿态的子集；以及

所述重新定标将所述不相似姿态重新定标到所述多个身体类型，以提供多个重新定标的运动捕捉序列，每一重新定标的运动捕捉序列标识所述多个身体类型的一相应身体类型的姿态。

4.如权利要求1所述的计算机实现的方法，其特征在于，还包括以下处理器实现的步骤：

向至少一个所述不相似姿态引入变化，所述变化包括变化的骨长度和变化的关节角度中的至少一个。

5.如权利要求1所述的处理器实现的方法，其特征在于：

所述渲染向至少一个所述不相似姿态添加3-D场景元素(1304、1306、1308、1310)；以及

所述3-D场景元素中的至少一个被修改成适合所述不相似姿态的对应的身体姿态。

6.如权利要求5所述的计算机实现的方法，其特征在于，还包括以下处理器实现的步骤：

通过组合来自所述至少一个运动捕捉序列的两个或更多运动捕捉帧的关节角度，将所述行动者的身体的姿态扩展到至少一个附加姿态。

7.如权利要求1所述的处理器实现的方法，其特征在于：

所述渲染通过改变虚拟相机高度、虚拟相机角度和虚拟相机视野中的至少一个来改变至少一个所述不相似姿态。

8.如权利要求1所述的处理器实现的方法，其特征在于：

所述渲染通过改变至少一个所述不相似姿态的身体位置来改变至少一个所述不相似姿态。

9.如权利要求1所述的处理器实现的方法，其特征在于：

所述渲染向至少一个所述不相似姿态添加3-D场景元素；以及

所述渲染组合不同姿态中的、但具有共同的虚拟相机位置和共同的3-D场景元素的两个或更多3-D身体模型。

10.一种用于生成用于人体跟踪的代表训练数据的处理器实现的方法，包括以下处理器实现的步骤：

访问至少一个运动捕捉序列(500)，所述至少一个运动捕捉序列标识其中行动者执行移动的时间段期问所述行动者的身体的姿态(1100)；

基于所述至少一个运动捕捉序列执行不相似姿态选择和到多个身体类型的重新定标，来提供多个不相似姿态(502)；以及

根据用于所述多个身体类型中的一相应身体类型的3-D身体模型(1302、1360)来渲染每一所述不相似姿态，以提供所述不相似姿态的相应的深度图像，并提供标识所述不相似姿态的身体部位的相应的分类图像(1400)，其中使用多个3-D身体模型，对每一身体类型有一个3-D身体模型，并且相应的深度图像和相应的分类图像包括可由机器学习算法用于人体跟踪的像素数据，并且所述渲染向至少一个所述不相似姿态添加噪声(506)。