[发明专利]基于级联纠错机制的人体姿态估计方法

权利要求书

1.一种基于级联纠错机制的人体姿态估计方法，其特征在于：包括如下步骤：

(1)利用双向树结构模型对手腕以外的身体关节点进行定位；

(2)利用光流和粒子追踪相结合的方法初步预测手腕的位置；

(3)根据光流响应矩阵B的列数和设定的两个列光流阈值对预测的结果进行判断：

若光流响应矩阵B的第1列B(1)大于第1列的光流阈值1.5，且第1列到第200列的光流阈值B(1)…B(200)的值下降缓慢，使得第200列的光流响应B(200)大于第200列的光流阈值1，则判断定位的结果是手腕，即定位成功；

若光流响应矩阵B的第1列B(1)大于第1列的光流阈值1.5，且第1列到第200列的光流阈值B(1)…B(200)的值下降迅速，使得第200列的光流响应B(200)小于第200列的光流阈值1，则判断定位的结果是手肘，即定位失败，执行(4)；

若光流响应矩阵B的第1列B(1)小于第1列的光流阈值1.5，则判定定位的结果是手肘，即定位失败，执行(4)；

(4)利用双向树结构模型重新预测手腕的位置；

(5)对(4)预测的结果进行判断：

基于同一个人脸部和手部的肤色具有相似性的特性，用人脸区域的肤色直方图近似代替手腕区域的肤色直方图，即先使用脸部检测器准确定位人脸，再统计人脸区域的色度、亮度、饱和度HSV肤色直方图，即手腕区域的HSV肤色直方图，最后根据HSV肤色直方图计算手腕定位框内肤色区域面积的比例：

若手腕定位框内肤色区域面积的比例高于50％，则判断双向树结构模型定位的结果准确；

若手腕定位框内肤色区域面积的比例低于50％，判断双向树结构模型定位的结果错误，则把上一帧中已定位的手腕位置取作预测的手腕位置。

2.根据权利要求1所述的方法，其特征在于步骤(2)所述的利用光流和粒子追踪相结合的方法初步预测手腕的位置，按如下步骤进行：

2a)建立外观模型：

采用光流法fast flow处理原始的视频帧，得到一系列的光流图像，并采用主成分分析PCA方法对光流图像中的特定关节点手腕进行外观建模，其表示如下：

其中，i表示第i个关节点，I_t表示t时刻的观察图像序列，表示在I_t中第i个关节点的图像块，U_i表示部件i张成的子空间，d_t表示图像块到子空间的距离，d_w表示图像块在子空间内的距离，表示图像块由子空间生成的概率，表示图像块到子空间U_i距离为d_t的概率，表示图像块在子空间U_i内距离为d_w的概率，表示独立的高斯分布，μ_i表示均值，E表示单位矩阵，εE表示高斯噪声，表示由U_i的特征值所构成的矩阵；

2b)根据外观模型，计算出每个图像块可能是手腕的概率得到一系列候选的手腕位置；

2c)建立动态模型：

采用布朗运动对手腕的粒子追踪过程进行动态建模，其表示如下：

其中，θ_i表示对应仿射参数的方差，P_tⁱ表示在I_t中第i个关节点的状态变量，表示当t-1时刻手腕的状态变量为时t时刻手腕状态变量为P_tⁱ的概率；

2d)在外观模型和动态模型共同引导下，判断手腕在视频中的运动轨迹，再根据得到的运动轨迹从候选的手腕位置中确定最优的手腕位置。