[发明专利]一种基于RGB-D相机的运动识别方法

说明书

本发明公开了一种基于RGB‑D相机的运动识别方法，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；根据预处理后的点云，获取运动差分点云，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；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，并根据运动线性点云模型构建人体关节点识别模板，从而完成人体运动识别；本发明对深度图像进行后续处理，在实际应用场景下没有可见摄像头的存在，可以较好地保护用户隐私；并利用K邻域去噪法，去除离散噪点的同时完成了点云的简化，大大减少了数据处理量，加快算法处理速度，提供一种快速提取且精准识别的方法。

技术领域

本发明涉及点云识别技术领域，具体涉及一种基于RGB-D相机的运动识别方法。

背景技术

随着经济发展，人口老龄化问题不断加剧，基于无人设备的室内人员姿态检测装置在家居和看护领域发挥巨大作用；当前常用的两种人体点云传感器是毫米波雷达和RGB-D深度相机；而毫米波雷达有着成本高昂、扫描时间长和穿透性差等缺点，无法满足大部分场景的需求；另一方面，当前基于RGB-D深度相机的室内人员动作虚拟重建方法，具有重建精度低和算力需求大等缺点。

发明内容

针对现有技术中的上述不足，本发明提供一种基于RGB-D相机的运动识别方法，提供一种快速提取且精准识别的方法。

为了达到上述发明目的，本发明采用的技术方案为：

一方面，一种基于RGB-D相机的运动识别方法，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。

本发明具有以下有益效果：

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；根据预处理后的点云，获取运动差分点云，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；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，并根据运动线性点云模型构建人体关节点识别模板，从而完成人体运动识别；本发明基于深度相机采集RGB-D图像，且仅对深度图像进行后续处理，在实际应用场景下没有可见摄像头的存在，可以较好地保护用户隐私，且具有设备成本低、扫描周期短的优点；并利用K邻域去噪法的判定阈值，去除离散噪点的同时完成了点云的简化，得到简化后的精准的室内运动人员点云，大大减少了数据处理量，加快算法处理速度，提供一种快速提取且精准识别的方法。

附图说明

图1为本发明提供的一种基于RGB-D相机的运动识别方法的步骤流程图；

图2为本发明实施例中左手臂关节点角度示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种基于RGB-D相机的运动识别方法，包括以下分步骤：