[发明专利]基于被动红外反射的动态三维结构捕捉算法

说明书

技术领域

本发明涉及一种捕捉算法，尤其是一种基于被动红外反射的动态三维结构捕捉算法。

背景技术

人体运动捕捉是近年来备受关注的计算机技术，它在智能监控、人机交互、运动分析等领域有着广阔的应用前景。人体运动捕捉指从一个或多个图像序列中恢复出人体运动的过程，这里的人体运动是指头、四肢、躯干的运动，不包括表情和手势等小尺度动作。

常用的捕捉技术从原理上说可分为机械式、声学式、电磁式和光学式。而不依赖于专用传感器，直接识别人体特征的运动捕捉技术也将很快走向实用。不同原理的设备各有其优缺点，一般可从以下几个方面进行评价：定位精度、实时性、使用方便程度、可捕捉运动范围大小、成本、抗干扰性和多目标捕捉能力。从技术的角度来说，捕捉的实质就是要测量、跟踪和记录物体在三维空间中的运动轨迹。典型的运动捕捉设备一般由以下几个部分组成：传感器、信号捕捉设备、数据传输设备和数据处理设备。

对于应用到实际中的人体捕捉系统而言，如何使用灵敏度高的传感元件、摄入清晰的图像、通过简单的信息处理系统完成人体动态捕捉系统是本领域技术人员需要解决的问题。

发明内容

本发明提供一种基于被动红外反射的动态三维结构捕捉算法，精确捕捉三维结构的动作。

本发明具体采用如下技术方案实现：

一种基于被动红外反射的动态三维结构捕捉算法，具体步骤如下：

步骤1、建立人体模型；

步骤2、通过背景差分法获得人体剪影图像；

步骤3、提取人体轮廓上的特征点；

步骤4、检测apar条带并识别各标记点；

步骤5、Kalman滤波、极线约束和人体约束来跟踪已识别的标记点；

步骤6、进行三维重建从而完成人体运动捕捉。

作为优选，所述人体模型的头部、躯干及四肢由六个apar条带组成，且标记点分别贴附在前额、手腕、肘部、肩膀、髋部、膝盖、脚踝。

作为优选，所述标记点采用红外反光膜作为标记点。

作为优选，所述步骤3根据链码方向的变化检测人体轮廓上的拐点并进一步提取出特征点，具体步骤如下：

步骤31、记链码的起点为O，并遍历轮廓上的每一个点。如果某个点上链码的方向发生改变，那么检查它到起点O的距离(距离指该点与上一个拐点之间在轮廓上点的个数)，如果距离小于阈值T_l，就继续遍历下一个链码方向改变的点直到某个点到起点O的距离大于阈值T_l，这个点被称为拐点，重复上述的采样过程直到遍历完人体轮廓上的所有点；

步骤32、接下来是遍历采样得到的拐点来选择特征点：若当前的拐点为P₁，前一个拐点为P₀，后一个拐点为P₂，计算向量(P₀，P₁)和向量(P₁，P₂)之间的夹角θ，如果θ大于阈值T_θ，则拐点P₁即为特征点。另外，由于人体站立时，人体躯干轮廓可能会跟腿的外侧轮廓几乎在一条一线上，这样轮廓上从腋下到脚踝的中的任一点不会被检测为特征点，这会导致无法做到躯干和腿部的识别，因此，在实际检测的过程中，当一个采样拐点离前一个特征点的距离大于T_m时，也被认为是特征点。

作为优选，所述步骤4采用实线段按逆时针方向连接提取的特征点来拟合人体轮廓，具体步骤如下：

步骤41、如果apar条带的长宽比接近1.0且其中只有一个标记点，那么该apar条带就是头部，标记点也就是头顶部位的标记点；

步骤42、如果apar条带的长宽比接近1.0且其中没有标记点或有两个标记点，那么该apar条带就是人体的躯干而这两个标记应该是髋部的标记，这些标记点在判定腿部的apar条带时也能识别；

步骤43、如果某个apar条带里面有3个标记点且它邻近的两个apar条带分别是头部和躯干，则该apar条带被认为是手臂，根据它相对于头部的位置来确定是左臂还是右臂，接近apar条带封闭端的标记点是手腕，另一端的是肩膀，在中间的则是肘部；

步骤44、剩下的两个apar条带则是腿，它们中间也有3个标记点。根据它相对于头部的位置来确定是左腿还是右腿，接近apar条带封闭端的标记点是脚踝，另一端的是髋部，在中间的则是膝盖。