[发明专利]对象学习和识别方法以及系统

说明书

技术领域

以下描述的示例实施例涉及一种对象学习和/或识别方法和系统，更具体地讲，涉及一种可基于学习的分类树和单个深度图像识别对象的对象学习和/或识别方法和系统。

背景技术

感测身体移动并控制用户界面(UI)的技术有可能主动地用于控制交互式视频，并且还有可能用作当前的基于图形的游戏的输入单元。

发明内容

前述和/或其他方面通过提供一种对象识别系统来实现，该对象识别系统包括：输入单元，被构造为接收作为输入的表示将被分析的对象的深度图像；以及处理单元，被构造为通过使用分类树识别所述对象的可见对象部分和隐藏对象部分。

前述和/或其他方面通过提供一种分类树学习设备来实现，该分类树学习设备产生被构造用于识别将被分析的对象的可见对象部分和隐藏对象部分的分类树。该分类树学习设备可包括被构造为基于与对象相关联的训练数据产生分类树的学习单元。

前述和/或其他方面通过提供一种对象识别方法来实现，该对象识别方法包括：接收作为输入的表示将被分析的对象的深度图像；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。

前述和/或其他方面通过提供一种用于产生分类树的分类树学习方法来实现，分类树被构造为被对象识别系统用于从深度图像识别将被分析的对象的可见对象部分和隐藏对象部分。该方法可包括基于与该对象相关联的训练数据产生分类树。

附图说明

应当结合附图考虑以下对一个或多个示例实施例的描述，其中：

图1示出根据示例实施例的由对象识别系统执行的对象识别方法；

图2至图6示出根据示例实施例的可见对象部分和隐藏对象部分的示图；

图7a示出根据示例实施例的在此被表示为用示例分类学习设备实现的分类树学习方法；

图7b示出根据示例实施例的分类树学习设备的学习单元的构造的框图；

图7c示出根据示例实施例的在此被表示为用示例分类学习设备实现的、用于通过使用光线投射方案产生训练数据的分类树学习方法；

图7d和图8示出根据示例实施例的在此被表示为用示例分类学习设备实现的、用于通过使用训练数据学习分类树的分类树学习方法；

图9示出在此被表示为用图7b的示例学习单元实现的、用于学习分类树的学习方法；

图10a示出根据示例实施例的对象识别设备的构造的框图；

图10b示出在此被表示为用图10a的示例识别设备实现的、用于通过使用多个学习的分类树对输入图像进行识别的对象识别方法；

图11示出在此被表示为用图10a的示例对象识别设备实现的对象识别方法；

图12示出根据示例实施例的在此被表示为用示例对象识别设备实现的、用于通过使用多个学习的分类树识别对象的对象识别方法；

图13示出根据示例实施例的在此被表示为用示例对象识别设备实现的、用于通过使用存储在学习的分类树中的信息识别将被分析的对象的对象识别方法；

图14a示出根据示例实施例的在此被表示为用示例对象识别设备实现的、用于基于输入对象的大小与学习期间所使用的三维(3D)对象模型之间的差异增强对象识别性能的对象识别方法；和

图14b示出根据示例实施例的在此被表示为用示例对象识别系统实现的确定叶节点的对象识别方法。

具体实施方式

现在将详细论述示例实施例，这些示例实施例的示例在附图中示出，其中，相似的标号始终指示相似的元件。以下描述示例实施例，以便参照附图解释示例实施例。

图1示出根据示例实施例的由对象识别系统执行的识别方法的方面。参照图1，对象识别系统可通过使用将被分析的对象的单个深度图像111识别该对象的可见部分和该对象的隐藏部分这两个部分，并且可基于通过分析该对象而获得的结果来构造该对象的体积。具体地讲，对象识别系统可通过使用对象的单个深度图像、而不是通过使用多个深度图像来识别对象的多个组成部分。例如，当对象是人类时，人类的身体部分可表示例如手、手臂、腿、躯干等这样的组成部分，可表示对象的多个组成部分。各种对象(例如人类、动物、静物等)可被分析。