[发明专利]一种基于RGB-D相机的运动识别方法

权利要求书

1.一种基于RGB-D相机的运动识别方法，其特征在于，包括以下步骤：

S1、利用RGB-D相机采集RGB-D图像，并对RGB-D图像进行预处理，得到预处理后的点云；

S2、根据预处理后的点云，获取运动差分点云；

S3、对运动差分点云集进行优化，得到优化后的运动差分点云集；

S4、利用基于拉普拉斯算子的点云收缩算法根据优化后的运动差分点云集，得到运动线性点云模型；

S5、根据运动线性点云模型构建人体关节点识别模板；

S6、利用人体关节点识别模板进行人体运动识别；

步骤S3具体包括以下分步骤：

B1、利用阈值分割法对运动差分点云集中各点云进行分割，得到分割后的点云数据集；

B2、利用随机采样一致算法筛选分割后的点云数据集，得到内点集；

B3、利用K邻域去噪法对内点集去噪，得到优化后的运动差分点云。

2.根据权利要求1所述的基于RGB-D相机的运动识别方法，其特征在于，步骤S1具体为：

利用RGB-D相机在预设时间间隔下采集两组RGB-D图像，并将RGB-D图像转换为不少于一维的点云，得到预处理后的点云。

3.根据权利要求1所述的基于RGB-D相机的运动识别方法，其特征在于，步骤S2具体包括以下分步骤：

S21、对预处理后的点云进行交集处理；

S22、对交集处理后的点云进行均化处理，得到平均点云数据集；

S23、利用预设欧氏距离阈值对均化后的点云数据进行补集处理，得到运动差分点云。

4.根据权利要求3所述的基于RGB-D相机的运动识别方法，其特征在于，步骤S21具体为：

A1、提取预处理后的点云中相同序号的点云数据，并判断该相同序号的点云数据的坐标是否一致，若是则记相同坐标的点云数据为交集点云的子数据，并进入步骤A2；否则进入步骤A3；

A2、遍历预处理后的点云，根据交集点云的子数据构建点云交集；

A3、预处理后的点云数据的序号加1，返回步骤A1，重新提取预处理后的点云中相同序号的点云数据，直至满足预设迭代条件，结束迭代循环。

5.根据权利要求3所述的基于RGB-D相机的运动识别方法，其特征在于，步骤S23具体为：

提取平均点云数据集中相同序号的点云数据，并判断该提取的点云数据的欧式距离是否满足预设欧氏距离阈值，若是则剔除该点云数据，否则保留该点云数据；

遍历均化后的点云数据，得到补集点云，并根据补集点云构建运动差分点云集。

6.根据权利要求3所述的基于RGB-D相机的运动识别方法，其特征在于，步骤B3具体包括以下分步骤：

C1、对内点集中各点云进行邻近搜索，得到各点云的不少于一个的最近邻近点；

C2、计算各点云到最近邻近点的平均距离，其计算式表示为：

其中，为第i个点云到最近邻近点的平均距离，k为第i个点云的最近邻近点个数，为第i个点云的空间坐标，为第i个点云的第j个最近邻近点的空间坐标，为三维数据的欧氏空间距离计算式；

C3、遍历内点集，根据各点云到最近邻近点的平均距离计算内点集中各点云的平均距离与均方差；

C4、根据内点集中各点云的平均距离与均方差构建第三预设条件，并判断内点集中各点云是否满足该第三预设条件，若满足则剔除点云，否则保留该点云，得到优化后的运动差分点云集，其中，第三预设条件表示为：

其中，U为内点集中各点云的平均距离，为可调参数，为内点集中各点云的均方差，u_i为第i个点云到最近邻近点的平均距离。