[发明专利]姿势检测和识别

说明书

技术领域

本发明涉及姿势检测和识别。

背景技术

基于姿势的交互技术提供了用户与计算设备交互的直观而自然的方式。许多设备和系统为用户提供使用简单的、易检测的姿势(诸如在触敏屏上的捏合或滑动)来进行交互的能力。这种基于姿势的交互能够极大地提升用户体验。

然而，为了支持更加丰富或更加不同的姿势，精确检测和识别姿势的计算复杂度能够显著增加。例如，随着姿势的数量和/或复杂度的增加，检测姿势所涉及的计算复杂度可能导致所执行的姿势和计算设备进行动作之间的可注意到的滞后。在一些应用(诸如游戏)的情况下，这种滞后可能负面影响用户体验。

此外，随着基于姿势的用户交互的使用变得越来越常见，越来越多样的用户用这种方式进行交互。例如，执行姿势的用户来自更广的年龄范围，并具有不同的经验水平。这意味着，不同用户可能非常不同地执行相同的姿势，从而对姿势识别技术要产生一致而精确的检测带来挑战。

此外，对自然用户界面的使用变得越来越广泛，其中用户使用例如基于相机的输入或用于跟踪用户身体部位的移动的设备来更直观地与计算设备交互。这种自然用户界面使得姿势的输入比例如在触敏屏上执行的姿势更加“自由”(即，约束更少)。这带来了姿势的更多的自由度和变化度，从而进一步增加了姿势识别技术的需要。

以下描述的各实施例不限于解决已知姿势识别技术的缺点中的任一个或全部的实现。

发明内容

下面呈现了本发明的简要概述，以便向读者提供基本理解。本发明内容不是本发明的详尽概述，并且不标识本发明的关键/重要元素，也不描述本发明的范围。其唯一的目的是以简化形式呈现此处所公开的精选概念，作为稍后呈现的更详细的描述的序言。

描述了一种姿势检测和识别技术。在一个示例中，接收与执行姿势的用户的运动有关的数据项的序列。对照预先学习的门限值测试从该序列中选出的数据项集合，以确定该序列表示某个姿势的概率。如果该概率大于预定值，则检测到该姿势，并执行动作。在示例中，这些测试是由经训练的决策树分类器执行的。在另一示例中，可将数据项的序列与预先学习的模板进行比较，并确定它们之间的相似度。如果模板的相似度超过门限，则更新与与该模板相关联的姿势的未来时间相关联的可能性值。然后，当达到该未来时间时，如果该可能性值大于预定义值，则检测到该姿势。

通过结合附图参考以下具体实施方式，可更易于领会并更好地理解许多附带特征。

附图说明

根据附图阅读以下具体实施方式，将更好地理解本发明，在附图中：

图1示出了用于控制计算机游戏的示例性的基于相机的控制系统；

图2示出了图像捕捉设备的示意图；

图3示出了移动设备的示意图；

图4示出了用于训练决策树林以识别姿势的过程的流程图；

图5示出了随机决策树林的示例部分；

图6示出了对数据序列的示例门限测试；

图7示出了使用包括图6的测试的决策树的示例姿势识别计算；

图8示出了用于使用经训练的决策树林来识别姿势的过程的流程图；

图9示出了用于使用经训练的逻辑斯蒂(logistic)模型来识别姿势的过程的流程图；

图10示出了使用经训练的逻辑斯蒂模型的示例姿势识别计算；以及

图11示出可在其中实现姿势识别技术的各实施例的示例性的基于计算的设备。

在各个附图中使用相同的附图标记来指代相同的部件。

具体实施方式

下面结合附图提供的具体实施方式旨在作为本发明示例的描述，并不旨在表示可以构建或使用本发明示例的唯一形式。本描述阐述了本发明示例的功能，以及用于构建和操作本发明示例的步骤的序列。然而，可以通过不同的示例来实现相同或等效功能和序列。

虽然在本文中将本发明的示例描述并示出为在游戏系统或移动通信设备中实现，但是它们只是作为示例而非限制来提供的。本领域的技术人员将理解，本示例适于在各种不同类型的计算系统中应用。

本文描述了一种姿势识别技术，该技术允许用在计算上高效的方式、以低等待时间检测并识别用户姿势。这些姿势识别技术可被应用于自然用户接口。例如，图1和图2示出了其中能够用由相机捕捉的用户姿势来控制计算设备(诸如游戏设备)的示例，而图3示出了其中能用运动和/或定向传感器检测的用户姿势来控制手持设备的示例。