[发明专利]使用全球生成的多维姿势数据检测身体运动的系统和方法

说明书

相关申请的交叉引用

本申请要求于2011年8月12日提交的、标题为“Crowd Sourcing Gesture Recognition System”的第61/512,528号美国临时专利申请和于2011年11月16日提交的、标题为“Crowd Sourcing Gesture Recognition System”的第61/628,468号美国临时专利申请的优先权，二者通过引用的方式完整并入于此。

技术领域

本发明涉及基于多维姿势数据的众包（crowd sourcing）。更具体而言，本发明涉及用于使用多维姿势数据的众包的系统和方法。

背景技术

姿势可以视为身体语言的重要方面，并且可以每天在人们之间的沟通中使用。对于许多人，在与另一人面对面沟通时可能难以避免做出某种姿势。姿势可以容易地并看来无言地传达消息。能够一致地并且迅速地评估和执行姿势可以形成许多娱乐形式的基础，这些娱乐形式包括可以在实质上为协作或者竞争的游戏。姿势可以代表多种不同事物，包括表情或者更具体事物、比如意图、人物、地点或者物品的代表。出于多种目的，设法在这些沟通形式之间进行准确区分可以是有益的。

在行业中通常而言，将通过与如在Ling Guan教授和Mathew Kyan教授的工作以及A.Bulzacki、L.Zhao,L.Guan和K.Raahemifar 的发表论文"Computerized Recognition of Human Gestures"以及A.Bulzacki,L.Guan和L.Zhao的发表论文"An Introduction to Gesture Recognition Through Conversion to a Vector Based Medium"中证实的各种过程组合使用形状描述符来克服实施姿势识别系统的挑战。然而尽管这些领导者在领域中占有大方向并且他们建议在这一途径上继续，但是发明人采用一种如以下公开的用于解决姿势识别问题的不同方式。

发明内容

机器可以有潜力通过过程（比如机器学习）比人类更快速并且更高效地对姿势成功进行分类。在过程（比如机器学习）中，机器可以被教导以识别姿势。基于机器的智能对不同类型的姿势进行分类和检测的潜力可以用来扩展电子通信、交互式娱乐和安全系统世界。

实际上定义姿势的内容和该姿势意味着的内容可以是主观视图。姿势可以包括人体在时间范围内的一个或者多个运动序列。姿势也可以包括人体在特定时间点的配置或者定位的集合。在一些实例中，姿势包括人体在特定时刻或者具体时间点的特定定位。在时间上的众多这样的特定定位可以组成运动序列，这也可以用来定义姿势。在一些实施例中，人体的一个或者多个身体部位在特定时间的定向或者定位以及这些一个或者多个身体部位（比如关节）随时间的运动可以定义姿势。

在一个实施例中，可以在姿势识别研究领域中使用硬件部件，并且可以使应用的技术可用于一般大众用于家庭使用和企业以用于行业或者专业使用。可以存储包括关于关节的定位和/或运动的信息的数据用于由识别系统使用。包括关于定位和/或运动的信息的数据可以包括数据的自引用特征，其中对象的身体部位的定位或者对象的关节的位置关于对象的身体上的特定定位进行引用。在一个实例中，数据包括如下特征，这些特征标识对象的身体部位和/或关节关于、或者相对于对象的腰部的位置或者定位。在一些实例中，自引用数据可以关于在对象的身体上的任何其它身体部位或者位置进行引用。这一自引用数据可以被学习算法使用，从而学习算法可以分析数据并且标识自引用数据的针对特定身体运动的一些关键特征，这些关键特征可以从对象的所有其它运动中唯一地标识出这一特定身体运动。由于自引用数据被提供给在系统上操作的人工智能装置或者算法，该自引用数据标识身体部位相对于在数据本身内的参照点的定位和位置，所以这一算法可以使用数据学习以基于包括这样的不同标识运动特征的一个或者多个连续姿势数据帧来检测和识别人的姿势。