[发明专利]一种检测多人躯干末端位置的方法

说明书

技术领域

本发明涉及计算机图形领域，特别是运动图像识别领域。

背景技术

在现有技术中判断人体躯干末端的方法普遍效率低，实时性差，且基本都是针对一个摄像头下一个或两个人的场景进行处理。对于大场景多人的情况基本束手无策。

发明内容

有鉴于此，为解决上述问题，本发明提供了一种检测多人躯干末端位置的方法，其包括以下步骤：通过摄像机获得场景深度图；将所述场景深度图的前景和背景分离；在所述场景深度图的前景中分层，将人群分离成单体个人；计算所述每一个单体个人轮廓的轮廓重心；计算所述每一个单体个人轮廓上每一点到轮廓重心的测地距离；和从测地距离组成的函数集合中选取极大值作为每一个单体个人的四肢以及头部的位置点。

进一步地，所述摄像机获取场景深度采用一个或多个深度摄像机同步获取。

进一步地，所述深度摄像机为微软kinect。

进一步地，所述方法中将所述场景深度图的前景和背景分离步骤进一步包括：在所述场景深度图中获取场景内每一个景物距离摄像头的距离；设定背景阈值将大于背景阈值的景物作为背景，将小于背景阈值的景物作为前景。

进一步地，所述方法中“在所述场景深度图的前景中分层，将人群分离成单体个人”的步骤进一步包括：获得所述场景深度图中的前景景物与所述摄像机的距离；设定景深变化阈值，当两个景物之间的景深变化大于所述景深变化阈值时，将两个景物标记成不同的单体个人。

进一步地，所述计算所述每一个单体个人轮廓的轮廓重心的步骤包括：获取所述单体个人轮廓上每一点的坐标值；计算所述轮廓上每一点坐标值的算术平均值作为所述单体个人的轮廓重心。

进一步地，所述计算所述每一个单体个人轮廓上每一点到轮廓重心的测地距离方法进一步包括，对分层后的单体个人轮廓进行横向切片，将所述横向切片建立成一棵连通树，所述连通树的根结点是单体个人轮廓的轮廓重心，其子结点是相邻切片上轮廓点；以深度为依据遍历轮廓上的点，一直到整个轮廓的每个轮廓点都能被所述连通树遍历。

进一步地，所述方法进一步包括，对于单体个人中深度不连续部分按照景深顺序分割成不同的层；采用种子填充法将每层填充完整；获得相邻两层之间的边界线；当轮廓上的点与轮廓重心分属不同的层时，计算轮廓上每一点到轮廓重心的测地距离的路线必须经过所述相邻两层之间的边界线。

进一步地，所述从测地距离组成的函数集合中选取极大值作为每一个单体个人的四肢以及头部的位置点方法进一步包括：按照一定的顺序选取轮廓上的点为自变量，以轮廓上的点到轮廓重心的测地距离为函数值建立函数集合；对所述函数集合求导；求导后导数为0的点既是四肢以及头部的位置。

本发明通过分层和切片的方法，可以快速将人群分离并通过线性操作实现了实时处理。可以很快地找到单体个人的四肢和头部。

附图说明

图1为本发明一个具体的实施例中多个摄像机同步获取场景深度图的示意图；

图2为本发明一个具体的实施例中单体个人遮挡分层示意图；和

图3为本发明一个具体的实施例中遍历轮廓上点的示意图。

具体实施方式

本发明提供了一种检测多人躯干末端位置的方法，其包括以下步骤。

步骤1，通过摄像机获得场景深度图。

在一个具体的实施例中如图1所示，采用一个或者多个深度摄像机同步获取活动区域场景中的深度图。采用微软Kinect摄像头可以利用官方的SDK方便地对深度图像进行处理。

步骤2，将所述场景深度图的前景和背景分离。

检测多人躯干时只关心前景中人的活动，因此需要将获取到的深度图像中的背景分离。在一个具体的实施例中，将背景分离采用以下的方法：

步骤201，在所述场景深度图中获取场景内每一个景物距离摄像头的距离；

步骤202，设定背景阈值将大于背景阈值的景物作为背景，将小于背景阈值的景物作为前景。

步骤3，在所述场景深度图的前景中分层，将人群分离成单体个人。

由于检测的是人群的躯干末端，就需要将人群分离成单体个人，在一个具体的实施例中，可以获得所述场景深度图中的前景景物与所述摄像机的距离；设定景深变化阈值，当两个景物之间的景深变化大于所述景深变化阈值时，将两个景物标记成不同的单体个人。当然，如果出现两个人离得过于接近时也将过于接近的两个人作为一个单体个人；如果一个人的手臂放在了自己身前等遮挡的情况也将其整体作为一个单体个人。

步骤4，计算所述每一个单体个人轮廓的轮廓重心。