[发明专利]一种基于扩展卡尔曼滤波器的人体姿态识别方法

说明书

本发明提供了一种基于扩展卡尔曼滤波器的人体姿态识别方法，其包括获取一张人体姿态背景图像并对获取的人体姿态背景图像进行数据解码，利用有限状态机方法进行人体姿态背景图像数据的提取，得到人体姿态背景图像数据；按照一定周期连续采集人体姿态图像并对人体姿态图像进行数据解码，利用有限状态机方法进行人体姿态图像数据的提取，得到人体姿态图像数据；提取人体姿态背景图像数据的亮度Y和色度Csubgt;b/subgt;以及人体姿态图像数据的亮度Ysubgt;S/subgt;和色度Csubgt;bs/subgt;，得到前景图像为|Csubgt;b/subgt;‑Csubgt;bs/subgt;|，对前景图像进行二值化，得到二值化处理后的人体姿态图像；对二值化处理后的人体姿态图像通过扩展卡尔曼滤波器进行姿态解算，识别人体姿态。本发明能够人体运动过程中的姿态。

技术领域

本发明涉及人体姿态识别技术领域，具体而言，涉及一种基于扩展卡尔曼滤波器的人体姿态识别方法。

背景技术

随着计算机视觉技术的不断发展和智能系统的需求不断提高，人们对视频和图像的分析技术要求越来越高，其中通过高清视频或图像对人体的姿态识别研究是十分重要的一项发展应用。人体姿态识别具有广阔的应用前景，比如智能监控、人体运动分析、医疗监护以及家居等领域，尤其是在智能监控中能够代替人眼进行更为复杂的检测和判断，在无人的场合如家庭住所、敬老院、幼儿园等或者对安全要求高的场合如银行、边境等的监控中具有十分重要的作用。

经过大量的检索发现一些典型的现有技术，比如专利申请号为201710006776.8的中国发明专利提出了一种基于自适应扩展卡尔曼滤波的人体姿态识别方法，该方法分为两个部分，模型设计和参数设计。模型设计中，利用四元数可反映人体肢体运动角度的特点，通过惯性传感器采集人体运动的角速度、加速度和周边磁场强度，基于自适应扩展卡尔曼滤波方法进行姿态解算，求得姿态四元数。参数设计中，通过理论分析和实验方法确定了过程噪声协方差矩阵、测量噪声协方差矩阵的取值，以及状态初始值和状态协方差矩阵初始值，使自适应扩展卡尔曼滤波方法可以持续迭代进行，从而不断实时识别人体运动姿态。

又如专利申请号为201810988873.6的中国发明专利提供了一种基于人体姿态的动作识别方法及装置，其中的方法包括：通过改进的限幅滤波算法得到的滤波后的骨骼数据，通过改进的角度计算方法获得角度特征，对分好类的角度特征基于逻辑回归进行训练，得到训练后的分类器，再通过分类器得到对人体静态姿势的识别结果，最后根据静态姿势的识别结果采用倒序法识别出人体的动作。该发明实现了提升识别速度和提高识别准确性的技术效果。

又如专利申请号为201810710454.6提出了一种救援环境中的人体检测以及姿态识别方法，该方法通过摄像头采集救援现场实时图像信息并传输到服务器中，服务器首先截取视频帧，使用均值滤波进行一次实时去雾处理。接着，使用去雾图像完成人体检测的相关计算从而检测出人体区域。最后，针对每个人体图像，完成姿态识别的相关计算检测出人体关键点和姿态向量，并且通过人体框的宽高比与人体姿态向量来完成姿态判断。该发明可以工作于环境恶劣的救援现场。

可见，如何对人体姿态进行识别，其实际应用中的亟待处理的实际问题还有很多未提出具体的解决方案。

发明内容

为了克服现有技术的不足提供了一种基于扩展卡尔曼粒子滤波器的人体姿态识别方法，本发明的具体技术方案如下：

一种基于扩展卡尔曼滤波器的人体姿态识别方法，其特征在于，包括以下步骤：

获取一张人体姿态背景图像并对获取的人体姿态背景图像进行数据解码，利用有限状态机方法进行人体姿态背景图像数据的提取，得到人体姿态背景图像数据；

按照一定周期连续采集人体姿态图像并对人体姿态图像进行数据解码，利用有限状态机方法进行人体姿态图像数据的提取，得到人体姿态图像数据；