[发明专利]对象学习和识别方法以及系统

权利要求书

1.一种对象识别设备，包括：

输入单元，接收作为输入的表示将被分析的对象的深度图像；和

处理单元，通过使用分类树从深度图像识别所述对象的可见对象部分和隐藏对象部分，

其中，分类树包括指示可见对象部分的深度值与隐藏对象部分的深度值之间的差值的相对深度值，

其中，通过使用隐藏对象部分的至少一部分作为多个层来表示分类树。

2.根据权利要求1所述的对象识别设备，还包括：

分类树获得单元，被配置为获得基于针对分类树的多个节点中的每个节点的建模的可见对象部分和隐藏对象部分的考虑学习的分类树。

3.根据权利要求2所述的对象识别设备，其中，分类树获得单元通过基于针对多个节点中的每个节点的可见对象部分和隐藏对象部分的考虑进行学习来产生分类树，并获得产生的分类树，以使得处理单元用来识别可见对象部分和隐藏对象部分。

4.根据权利要求3所述的对象识别设备，还包括：

投射单元，被配置为使用虚拟照相机使光线朝着所述对象的三维(3D)对象模型的多个体素投射；

图像层产生单元，被配置为每当光线穿透3D对象模型的表面时，顺序地产生多个图像层；

捕捉单元，被配置为对于所述多个图像层中的每个，捕捉所述表面的深度值和体素标识符(ID)，并将捕捉的深度值和捕捉的体素ID存储在所述多个图像层中的每个中；和

训练数据产生单元，被配置为将离虚拟照相机距离最小的图像层设置为与可见对象部分相关联的可见对象部分数据，并将其他图像层设置为与隐藏对象部分相关联的隐藏对象部分数据，并产生训练数据。

5.根据权利要求1所述的对象识别设备，其中，处理单元基于单个深度图像识别对象的可见对象部分和隐藏对象部分。

6.根据权利要求1所述的对象识别设备，还包括：

体积构造单元，通过使用识别的可见对象部分和识别的隐藏对象部分在单个数据空间中构造所述对象的体积。

7.根据权利要求6所述的对象识别设备，其中，处理单元基于所述体积提取关于所述对象的附加信息。

8.根据权利要求7所述的对象识别设备，其中，附加信息包括关于与所述对象相关联的形状、姿态、关键关节和结构中的至少一个的信息。

9.根据权利要求6所述的对象识别设备，其中，体积构造单元通过使用存储在分类树的叶节点中的相对深度值构造体积。

10.根据权利要求1所述的对象识别设备，其中，处理单元将深度图像输入到分类树，

其中，当分类树的当前节点是划分节点时，处理单元从划分节点读取特征的值和阈值，将所述特征的值和阈值输入到划分函数，计算结果值，并基于计算的结果值搜索当前节点的左子节点和右子节点之一，并且

其中，当当前节点是叶节点时，处理单元从叶节点读取可见对象部分的第一直方图和隐藏对象部分的第二直方图，基于读取的第一直方图从深度图像识别可见对象部分，并基于读取的第二直方图从深度图像识别隐藏对象部分。

11.根据权利要求10所述的对象识别设备，其中，当结果值小于阈值时，处理单元搜索左子节点，并且

其中，当结果值等于或大于阈值时，处理单元搜索右子节点。

12.根据权利要求11所述的对象识别设备，其中，随着处理单元从叶节点读取多个隐藏对象直方图并基于读取的多个隐藏对象直方图从深度图像识别至少一个隐藏对象部分，使用隐藏对象部分的至少一部分作为多个层表示分类树。

13.根据权利要求12所述的对象识别设备，其中，多个隐藏对象直方图包括以下项中的至少一个：表示人体的肌肉的隐藏对象直方图、表示人体的骨骼结构的隐藏对象直方图、表示人体的内部器官的隐藏对象直方图、表示人体的心血管系统的隐藏对象直方图和表示人体的神经系统的隐藏对象直方图。

14.根据权利要求1所述的对象识别设备，还包括：

大小调整单元，调整所述对象的对象模型的宽度和高度中的至少一个大小。

15.根据权利要求1所述的对象识别设备，其中，分类树包括可见对象部分的概率值和隐藏对象部分的概率值。