[发明专利]用于姿态识别的方法和设备

说明书

技术领域

本公开的实施例涉及一种用于姿态识别的方法和设备，更具体地，涉及一种能够提高姿态识别的识别速度的用于姿态识别的方法和设备。

背景技术

近年来，随着非接触传感器(诸如深度相机或加速度仪)的发展，人和机器设备之间的接口从接触方法转变为非接触方法。

深度相机在目标上照射激光或红外线(IR)，并基于照射的激光或IR在被目标反射之后所花费的时间(即，基于飞行时间(TOF))，计算相机和目标之间的距离(即，目标的深度信息)。通过使用深度相机，获得了包括每个像素的深度信息的三维深度图像。

如果使用如上获得的三维深度图像，则与仅使用二维图像的情况相比，可在更精确的程度上测量人的姿态信息。

按照以上方式获得姿态信息的方法的一个示例是概率姿态信息获取方法。概率姿态信息获取方法实现为如下。首先，通过以圆柱体的形式表示每个身体部分(头、躯干、左上臂、左前臂、右上臂、右前臂、左大腿、左小腿、右大腿和右小腿)。然后，通过从人体模型的初始姿势改变圆柱体之间的角度(即，关节角度)来产生多个姿态样本。接下来，将通过深度相机获得的深度图像与通过将各个姿态样本投影到人体而获得的投影图像相比较，从而选择具有与获得的深度图像最相似姿态的投影图像。最后，获得选择的投影图像的姿态信息。

然而，当使用概率姿态信息获取方法时，需要产生关于多个候选姿势的投影图像，导致计算量和获得姿态信息所需的时间增加。

发明内容

因此，本公开的一方面在于提供一种能够减少姿态识别所花费的时间的用于姿态识别的方法和设备。

将在以下的描述中部分地阐述本公开的另外的方面，部分地，通过描述将是清楚的，或者可通过本公开的实践而得知。

根据本公开的一方面，一种识别姿态的方法如下。可在虚拟空间中产生人体模型。可基于具有人体的每个部分的角度和角速度作为状态变量的状态向量预测人体模型的下一姿态。可预测关于预测姿态的深度图像。可基于预测的深度图像和实际拍摄的深度图像之间的相似度识别实际拍摄的深度图像中的人的姿态。

可通过执行以下操作来实现预测人体模型的下一姿态的步骤。可计算状态变量的平均值。可基于状态变量的平均值计算状态变量的协方差。可基于状态变量的协方差产生随机数。可通过使用基于随机数产生的变化预测下一姿态。

可通过执行以下操作来实现预测关于预测姿态的深度图像的步骤。如果人体模型采用预测姿态，则可产生关于将在图像中表示的人体模型的剪影而预测的虚拟图像。可将虚拟图像的尺寸归一化为预定尺寸。可预测深度图像，该深度图像包括归一化的虚拟图像中的剪影内存在的每个点的深度信息。

可通过执行以下操作来实现将虚拟图像的尺寸归一化为预定尺寸的步骤。可以以预定减小率减小虚拟图像的尺寸。减小率可以是在虚拟图像中获得的人的尺寸除以期望的人的减小尺寸的值。

可通过执行以下操作来实现基于相似度识别姿态的步骤。可将具有基于当前时刻预测的人体模型的姿态的相似度中最高相似度的姿态选择作为最终姿态。可基于最终姿态的关节角度识别实际拍摄的深度图像中的人的姿态。

可通过执行以下操作来进一步实现所述方法。可计算预测的深度图像和实际拍摄的深度图像之间的相似度。如果计算的相似度高于先前计算的相似度，则可将预测的姿态设置为参考姿态，如果计算的相似度低于先前计算的相似度，则可将先前姿态设置为参考姿态。可基于参考姿态预测下一姿态。

可通过执行以下操作来实现基于参考姿态预测下一姿态的步骤。如果当前时刻关于人体预测的姿态不符合关于实际拍摄的深度图像中的人的姿态的正态分布，则可基于参考姿态预测下一姿态。

根据本公开的另一方面，一种识别姿态的设备包括建模单元、姿态样本产生单元、图像预测单元和姿态识别单元。建模单元可被配置为在虚拟空间中产生人体模型。姿态样本产生单元可被配置为基于具有人体的每个部分的角度和角速度作为状态变量的状态向量预测人体模型的下一姿态。图像预测单元可被配置为预测关于预测姿态的深度图像。姿态识别单元可被配置为基于预测的深度图像和实际拍摄的深度图像之间的相似度识别实际拍摄的深度图像中的人的姿态。

姿态样本产生单元可基于状态变量的平均值计算状态变量的协方差，并通过使用基于状态变量的协方差产生的随机数作为变化来预测下一姿态。