[发明专利]一种基于体感动作识别及抠像的滑雪场景显示方法

权利要求书

1.一种基于体感动作识别及抠像的滑雪场景显示方法，其特征在于包括以下步骤：

步骤一，动作识别：通过对体感数据的动态分析对用户的动作进行识别；

步骤二，实时抠像：通过深度数据与彩色图像数据的动态运算分析，实现人体抠像功能，去除其它的无关因素；

步骤三，模型控制与动态合成：将识别后的人体动作和已去除背景的人体图像与训练场景结合，实现在室内虚拟滑雪场训练的效果；

步骤四，录像保存：实现体感数据与合成图像的保存和回放，用以显示滑雪场景，从而方便教练人员及训练者对训练过程进行分析和改进。

2.根据权利要求1所述的一种基于体感动作识别及抠像的滑雪场景显示方法，其特征在于所述步骤一的动作识别是通过关节的位置的重叠交叉或关节点之间的角度进行动作的识别，具体过程如下：

过程1.1，采用微软Kinect 2.0传感器来捕获用户的骨骼及图像数据，能同时追踪6个人的25个关节，得到人体的25个主要关节点；

过程1.2，在得到人体的25个主要关节点后，对动作的识别就为对所述主要并节点的相对位置的分析，包括如滑雪过程中的向右滑动的动作则为左右膝盖的水平坐标位置同时在相应脚踝关节的位置的右边、膝盖与脚踝这两个关节会形成一个90度范围的角度，左滑则相反；一个动作可以由多种判断方式来实现：左右滑动的动作，可由脊椎在水平坐标的位置变化趋势来进行判断识别；同时为了防止抖动的发生，加入必要的阀值范围；

过程1.3，姿势判断：将每一个姿势的相关关节点取出，每次取两个关节点进行一次角度上的判断，如果同时满足需要的条件，即每两个关节点的角度都在阈值范围内，判断为有效姿势；

具体判断规则为:以第一个点为中心来判断第二个点与其夹角是否在一定的范围内，将希望满足的角度记做Angle，Threshold为阈值，此次判断的权重记为WeightFactor；则所述需要的条件可以简单记为condition＝{point One，point Two，Angle，Threshold，WeightFactor}。

3.根据权利要求1所述的一种基于体感动作识别及抠像的滑雪场景显示方法，其特征在于所述步骤二的实时抠像是指通过对采集到的摄像机信号内容进行图像处理，去掉无关背景，抠出只留下人像部分的内容，具体包括以下过程：

过程2.1，使用Kinect深度数据图来进行抠像，主要避免现场光线亮度不一致、训练者来回运动造成的亮度变化、现场背景复杂因素；

过程2.2，为了实现质量和效率的平衡，采用基于Prewitt算子的分块自适应阈值边缘检测算法对图像进行边缘检测和分类，在获得的分类图像中，在图像边缘采用单向多级中值滤波算法，以保护边缘细节，在非边缘区采取双向多级中值滤波算法以达到最好的降噪效果，从而较好的解决了人体与背景分离的锯齿边缘问题，获得到较高质量的人像效果，同时提高运算的速度。

4.根据权利要求3所述的一种基于体感动作识别及抠像的滑雪场景显示方法，其特征在于所述基于Prewitt算子的分块自适应阈值边缘检测算法是一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用；

具体算法如下：

将深度图像定义为f(x,y)，则对应Prewitt算子的定义为

G(i)＝|[f(i-1,j-1)+f(i-1,j)+f(i-1，j+1)]-[f(i+1,j-1)+f(i+1，j)+f(i+1，j+1)]|

G(j)＝|[f(i-1,j+1)+f(i,j+1)+f(i+1，j+1)]-[f(i-1,j-1)+f(i,j-1)+f(i+1，j-1)]|

则P(i,j)＝max[G(i),G(j)]或P(i,j)＝G(i)+G(j)；

其中i,j为图像横向纵向像素点；G函数代表像素点所具有的灰度新值；凡灰度新值大于或等于阈值的像素点都是边缘点；需选择适当的阈值T，若P(i,j)≥T，则点(i,j)为边缘点，P(i,j)为边缘图像。

5.根据权利要求3所述的一种基于体感动作识别及抠像的滑雪场景显示方法，其特征在于所述多级中值滤波算法具体如下：

选择专门针对椒盐噪声的中值滤波算法即MF进行降噪处理；改进了标准中值滤波算法而采用分类式多级中值滤波器；

所述多级中值滤波器共有两种，分别是单向多级中值滤波器即MLM-和双向多级中值滤波器即MLM+；在细节保护能力上，单向多级中值滤波器最好，标准中值滤波器次之，双向多级中值滤波器再次之；然而在滤噪性能上，双向多级中值滤波器整体滤噪性能优于单向多级中值滤波器和标准中值滤波器；

所述多级中值滤波算法结合两者的优点，通过判断边缘区域进行分类，针对不同区域选择不同的滤波器进行去噪。