[发明专利]基于变结构多模型的人体运动跟踪方法

摘要

本发明公开了一种基于VSMM的人体运动跟踪方法，它涉及计算机视觉领域。其主要解决现有方法无法很好解决人体运动歧义性、时间复杂度高和单纯增加运动模型无法获得良好三维人体姿态估计的问题。其步骤为：(1)输入人体运动视频图像，获得人体侧影及其外轮廓、骨架线；(2)检测人体关节点位置；(3)使用岭回归方法训练运动模型，并对总运动模型集分组；(4)初始化模型群M1；(5)运行交互式多模型算法，获得人体运动姿态；(6)激活并初始化满足激活条件的运动模型群，若无运动模型群满足激活条件，则执行步骤(5)；(7)终止满足终止条件的模型群，执行步骤(5)，否则，继续执行该步骤。本发明具有时间复杂度低，跟踪效果好的优点，可应用于人体运动跟踪和姿态估计。

主权项

1.一种基于VSMM的人体运动跟踪方法，包括：预处理步骤：输入人体视频图像，通过背景差获得人体侧影，提取人体侧影外轮廓，并对人体侧影进行细化处理；关节点检测步骤：对预处理后的人体视频图像，进行如下关节点检测：1)使用同心圆模板沿着骨架线搜索，将落入圆环的轮廓点最多时的圆心作为头节点；2)选取人体侧影重心部位为根节点；3)使用3D人体骨架模型在图像上投影，得到人体躯干上其他关节点位置；4)选取骨架线顶点位置作为手节点和脚节点；5)通过下半身侧影的质心作两脚连线的平行线，其与骨架线的两个交点作为膝关节；6)将骨架线上与手和肩部距离相等的点作为肘关节；7)对因遮挡或因分割噪声无法检测到的部分关节点，则采用Kalman滤波方法，一步预测得到；运动模型训练步骤：从卡耐基梅隆大学CMU运动捕捉数据库中选取多种运动模式的捕捉数据，采用岭回归方法对运动模型方程的状态转移矩阵Fⁱ进行训练，并计算该运动模型的噪声w_k协方差，获得的运动模型集合称为总运动模型集M；运动模型集覆盖设计步骤：在总运动模型集M中，若两个运动模型所匹配的人体运动模式相似，则将这两种运动模型分在同一模型群中，否则，将其分入不同的模型群；每个模型群包含3个运动模型；初始化模型群步骤：将总运动模型集中的运动模型方程作为交互式多模型滤波器的状态方程，将交互式多模型运行十个周期，计算各模型群的模型群概率，选择概率最大的模型群作为初始当前模型群M₁；交互式多模型混合估计步骤：以k时刻人体关节点作为输入，执行交互式多模型算法，获得人体运动姿态估计，更新运动模型概率和人体运动姿态估计误差协方差；运动模型群激活步骤：根据人体关节点位置，计算四肢关节点骨架线在图像上投影的角度变化值，若变化值大小满足模型群激活规则，记此时刻为k₀，执行以下新激活模型群模型初始化步骤，否则，输出人体运动姿态估计，执行上述交互式多模型混合估计步骤；新激活模型群模型初始化步骤：将新激活模型的概率初始化为当前模型群中模型概率最大值，并归一化模型概率；将预测误差协方差初始化为运动模型自身的噪声协方差；选取运动捕捉数据中与当前模式匹配程度最高的状态作为初始状态；将原模型群M_o和新激活的候选模型群M_n合并为新的当前模型群；模型群终止步骤：根据新的当前模型群，重新执行上述交互式多模型一个周期，若模型群M_n和模型群M_o的模型群概率比或者模型群似然比小于0.9，则终止模型群M_n，输出人体运动姿态估计，并返回执行上述交互式多模型混合估计步骤；若和均大于1，则终止模型群M_o，输出人体运动姿态估计，并返回执行上述交互式多模型混合估计步骤；否则，输出人体运动姿态估计，并继续执行该步骤。