[发明专利]一种基于节体对象的动作识别方法

权利要求书

1.一种基于节体对象的动作识别方法，其特征在于，主要包括预处理和获得初始姿态(一)；姿态估计(二)；跟踪(三)；动作识别(四)。

2.基于权利要求书1所述的预处理和获得初始姿态(一)，其特征在于，假设在输入深度图像或补丁中存在一个且只有一个节体对象，从图像中提取感兴趣对象的点，通过设置这些姿势作为基础关节对象的主姿态来获得初始姿态；对于每个初始姿态，通过从(-π,π)上的均匀分布扰动平面内基础关节的方向来生成对象的初始取向。

3.基于权利要求书1所述的姿态估计(二)，其特征在于，包括测试和训练。

4.基于权利要求书3所述的测试过程，其特征在于，给定一组n_t个训练图像，定义

$\stackrel{\‾}{{\mathrm{\Δ\θ}}_j}:=\frac{1}{n_i}\underset{i\∈(1,...,n_i)}{\Σ}{\mathrm{\Δ}}_{{\mathrm{\θ}}_j}---\left(1\right)$

为J个关节集合的第j个关节的训练图像的平均偏差；偏差Δθj表示估计姿态和地面真实姿态之间的变化量；全局误差函数可以被定义在评估来自平均偏差的和的一组示例中，例如以下形式

$\underset{j\∈(1,...,J)}{\Σ}\left|\right|\stackrel{\‾}{{\mathrm{\Δ\θ}}_j}|{|}_2^2---\left(2\right)$

其中，‖·‖₂是欧氏空间中的标准向量范数；

假设每个J关节有C个循环或迭代，给定测试图像和初始姿态估计，对于来自基本关节的长度J的运动链，每个关节j∈{1,…,J}，在当前循环c∈{1,…,C}处，关节的当前姿态将由lie群动作纠正，其中扭曲r_j^(c)是本地回归者的输出换句话说，表示速记符号和可以通过以下的左组动作

$g_{{\widetilde{\mathrm{\θ}}}_{1:j}}^{\left(c\right)}:=g_{{\widetilde{\mathrm{\θ}}}_1:j}^{\left(c-1\right)}{e}^{r_j^{\left(c\right)}}---\left(3\right)$

来更新第j个关节空间坐标，其中是最近的组元素，用于进一步校正在循环c的第c个关节的空间位置；

在测试运行时，为每个输入图像生成多个初始姿态，通过逆运动学回归，产生相应的候选姿势；这些输出姿态将通过度量来筛选，挑选其中最佳姿态将作为最终估计姿态。