[发明专利]概率分布云的多质心压缩

说明书

技术领域

本发明涉及人机接口，尤其涉及识别身体部位。

背景技术

计算机游戏和多媒体应用已开始使用照相机和软件姿势识别引擎来提供人机接口(“HCI”)。使用HCI，检测、解释用户身体部位和移动并将其用于控制游戏人物或应用的其他方面。HCI系统的一个困难之处是标识身体部位。样本分类是一种方法，其中向每个像素分配身体部位上的一概率分布。一次取一个身体部位，导出一新的单色图像，其中向一像素分配一概率，如其属于一给定部位的似然度。然而，存在许多像素，并且如果分类结果被缩小到一组原型位置则可以有益于性能，这些原型位置在此被称为质心。

对于性能而言，对于每个身体部位产生单个质心将是理想的，但这不太可能。基于位置特征来对像素进行分类的样本可以产生多个不相交的高概率区域。最多，仅仅其中之一将对应于真实的身体部位。计算全局质心会把与正确身体部位有关的像素与来自错误分类区域的像素进行平均化。这对作为样本输出的概要而言是不可靠的，因为其将落在这些多个区域的中央，但不确保其本身是个有意义的点。

因此需要一种方法来为一身体部位计算零或更多个有意义的质心，其中每个质心与样本输出中的非零概率的区域相吻合。

发明内容

此处描述的是通过将所分类的图像数据压缩(condense)成所捕捉的对象是正确标识的身体部位的概率的质心，来标识由深度照相机捕捉的图像的系统和方法。由深度照相机捕捉的图像数据被处理以产生样本输出，其中向深度图像中的每个像素分配其所对应的身体部位的概率分布。本技术取得该输出，并对其进行处理以检测非零概率像素的空间局部簇。对于每个簇，生成一质心，这通常导致用于每个身体部位的多个质心。基于簇的大小和形状以及该簇构成像素的概率，对每个质心分配置信度值，指示其对应于真实身体部位的似然度。本技术具有多个不同实施例，例如通过高度并行执行(例如，在图形处理单元上)来实现的实施例，以及适用于具有有限存储器带宽的系统的实施例。

在多个实施例中，本技术涉及一种方法，通过以下步骤来标识由深度照相机捕捉的对象：a)确定由捕捉设备所捕捉的一组采样的深度信息；b)向由捕捉设备所捕捉这组采样分配概率，所分配的概率与这些采样属于真实世界对象的概率有关；以及c)将这些采样的一个或多个子分组群集在一起以形成所述真实世界对象的一个或多个候选质心，步骤c)中对一个或多个子分组的群集取决于采样之间的接近程度、由采样所表示的空间区域、以及采样表示真实世界对象的概率。

在另一实施例中，本技术涉及一种方法，通过以下步骤来标识由捕捉设备捕捉的身体部位：a)确定由捕捉设备所捕捉的一组像素的深度信息；b)接收样本分类结果，所述样本分类结果分配一组捕捉的像素属于一特定身体部位的概率；c)对候选项分配置信得分，所述候选项是所捕捉的该组像素中的像素，或是由所捕捉的该组像素中的像素所形成的置信，置信得分部分基于所述步骤b)中的样本分类；迭代地评估候选项阵列，以基于以下因素将候选项合并在一起以形成下一级的候选项：候选项彼此之间在空间中的接近程度、由候选项所表示的空间区域、以及在步骤c)中确定的候选项的置信得分。

在又一实施例中，本技术涉及一种方法，通过以下步骤来标识由捕捉设备捕捉的身体部位：通过将深度图像分段为多个近似恒定深度的区域，来确定深度小块(patch)；对每一小块分配与其邻接的小块列表，以定义邻域图；通过计算由样本处理对小块内的像素所分配的平均概率得分来处理样本；将具有比其所有邻居高的得分的一组小块标识为种子簇；并从种子小块向外增长簇。

提供本发明内容是为了以精简的形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并不旨在标识出所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。所要求保护的主题不限于解决在背景中提及的任何或所有缺点的实现。

附图说明

图1示出了当用户玩游戏时的目标识别、分析和跟踪系统的示例实施方式。

图2示出了可在目标识别、分析和跟踪系统中使用的捕捉设备的示例实施方式。

图3A示出了可用于在目标识别、分析和跟踪系统中解释一个或多个姿势的计算环境的示例实施方式。

图3B示出了可用于在目标识别、分析和跟踪系统中解释一个或多个姿势的计算环境的另一示例实施方式。

图4是根据本技术的多个实施例的对图像进行压缩的流程图。

图5是图4的步骤414的更详细的流程图。

图6是图5的步骤472的更详细的流程图。

图7是图5的步骤476的更详细的流程图。