[发明专利]用于人体跟踪的代表训练数据

摘要

本发明公开了一种生成用于人体跟踪的代表训练数据的方法。为身体关节跟踪系统的机器学习算法生成合成身体图像。来自运动捕捉序列的帧被重新定标到若干不同的身体类型，来充分利用该运动捕捉序列。为了避免向机器学习算法提供冗余或相似的帧，并且为了提供紧凑但仍高度变化的图像集，可使用相似度度量来标识不相似的帧。该相似度度量用于定位根据阈值距离足够不同的帧。出于真实性起见，基于真实世界深度相机通常经历的噪声源来向深度图像添加噪声。也可引入其他随机变化。例如，可向重新定标添加一定程度的随机性。对于每一帧，提供深度图像和具有标记的身体部位的对应的分类图像。也可提供3-D场景元素。

主权项

一种用于生成用于人体跟踪的代表训练数据的处理器实现的方法，包括以下处理器实现的步骤：访问至少一个运动捕捉序列(500)，所述至少一个运动捕捉序列标识其中行动者执行移动的时间段期间所述行动者的身体的姿态(1100)；基于所述至少一个运动捕捉序列执行到多个身体类型的重新定标和不相似姿态选择，来提供多个不相似姿态(502)；以及根据用于所述多个身体类型中的一相应身体类型的3‑D身体模型(1302、1360)来渲染每一所述不相似姿态，以提供所述不相似姿态的相应的深度图像，并提供标识所述不相似姿态的身体部位的相应的分类图像(1400)，其中所述3‑D身体模型是基于对应骨架的关节位置和关节角度中的至少一个来渲染的，使用多个3‑D身体模型，对每一身体类型有一个3‑D身体模型，并且相应的深度图像和相应的分类图像包括可由机器学习算法用于人体跟踪的像素数据。