[发明专利]一种基于深度图的人体手臂位置参数提取算法

说明书

本发明公开了一种基于深度图的人体手臂位置参数提取算法，该方法包括如下步骤：(1)对深度相机采集的深度图进行运动点切割；(2)基于圆周采样算法的手臂中心线定位；(3)基于3D连通域检测的手臂像素识别；(4)基于3D点云直线拟合的手臂位置参数提取。该基于深度图的人体手臂位置参数提取算法通过这几个算法模块对深度数据进行处理，实现背景干扰物排除、快速识别手臂区域并获得手臂空间位置的参数。

技术领域

本发明涉及3D深度相机的信号处理技术领域，具体为一种基于深度图的人体手臂位置参数提取算法。

背景技术

手臂检测和位置参数提取是基于人体动作的人机交互技术核心，传统的基于RGB相机的方法由于其无法直接得到3D距离信息，需要大量的运算才能够获取手臂位置信息，效率低且误差大。随着3D深度相机的技术成熟和普及，利用3D深度相机提供的深度图，能够克服传统RGB相机在手臂检测方面遇到的困难，直接利用人体手臂在空间3D的距离信息(即：深度图)精确计算手臂位置参数，为基于手臂动作的人机交互技术提供支撑。

通过3D深度相机得到的人体深度图中除了反映人体形状和位置信息的像素点之外，还有大量背景物体像素点。此外由于3D深度相机特有的噪声干扰，使得利用深度图获取人体手臂参数前需要经过一系列的运算处理，只有去除了背景和各种干扰之后才能够得到准确可靠的手臂位置参数。

在这一领域相对先进的研究来自微软公司，根据公开的资料，微软公司的kinect设备内置了基于随机森林的点云分类算法，该算法通过比较深度图中某个像素和相邻点的深度差得到点云分类结果，根据人的不同肢体对点云分类。相比微软的这一研究成果，本专利关注的是手臂的检测和参数提取，使用多重过滤算法分离出手臂像素点，这和微软基于单一的随机森林点云分类方式不同。另外在手臂参数提取上，采用基于空间3D直线端拟合算法，这和微软使用的基于不同肢体点云交界处识别关节的算法不同。

发明内容

本发明的目的在于提供一种基于深度图的人体手臂位置参数提取算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度图的人体手臂位置参数提取算法，该方法包括如下步骤：

(1)对包含手臂的输入深度图图像序列中的运动点切割，分离人体运动部分对应的深度图像素和静止背景对应的深度图像素，滤除静止背景对应的深度图像素；

(2)基于圆周采样算法的手臂中心线定位，对于人体运动部分的每个像素点，检测以它为中心的给定半径的圆周上的像素点是否和圆心像素点在相同物体表面，并根据检测结果判断该点是否是待选的手臂中心线；

(3)基于3D连通域检测的手臂像素识别，检测深度图中和手臂中心线像素连通的像素集合，将深度图上的像素分成一个或者多个连通域，形成连通的像素集合，根据手臂尺寸参考值，滤除体积过小的连通域，只保留和手臂尺寸匹配的连通域作为手臂像素点；

(4)基于空间3D点云直线拟合的手臂位置参数提取，对上一步输出的手臂像素点，进行3D空间直线拟合，计算手臂的起始和终止点和以及手臂的空间角度。

优选的，所述的基于深度图的人体手臂位置参数提取算法，所述的步骤(1)对包含手臂的输入深度图图像序列中的运动点切割算法，同时分析当前帧和之前的若干帧深度图，根据特定位置像素的深度变化规律和统计量确定该像素位置是否是静止背景像素，滤除被判定为静止背景的像素点。

优选的，所述的基于深度图的人体手臂位置参数提取算法，所述的(2)基于圆周采样算法的手臂中心线定位算法，对于每一个输入点云上的点，计算以它为圆心，半径为成人平均手臂半径1.414倍的圆，根据该圆周上的像素点深度和圆心像素点深度差别确定该圆周上的像素和圆心是否位于同一个物体表面，并据此判断圆心是否处于手臂中心线。