人體姿態(tài)估計方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種人體姿態(tài)估計方法及系統(tǒng)，該人體姿態(tài)估計方法包括如下步驟：A.建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息；B.建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。本發(fā)明的有益效果是本發(fā)明能夠預(yù)測人體姿態(tài)，而且顯著提高了整個系統(tǒng)的運算效率，保證了系統(tǒng)預(yù)測的實時性。
【專利說明】 人體姿態(tài)估計方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及人體姿態(tài)估計方法及系統(tǒng)。
【背景技術(shù)】
[0002]目前現(xiàn)有對人體姿態(tài)進行估計的方法主要是基于數(shù)字圖像處理的技術(shù)，涉及計算機視覺領(lǐng)域。
[0003]其中一種是用普通攝像頭采集人體運動視頻序列，然后把人體運動視頻圖像輸入計算機，在計算機上運用數(shù)字圖像處理相關(guān)技術(shù)對人體圖像進行處理(通過背景差分獲得人體側(cè)影，提取人體輪廓，對人體輪廓進行細化處理得到人體骨架線，再結(jié)合一些算法求出人體各個關(guān)節(jié)點位置，從而在計算機上構(gòu)建出人體模型)，然后結(jié)合人體真實運動情況估計人體模型的運動，并與采集到的視頻圖像進行對比，進而對人體模型的運動進行糾正，使其更接近人體真實運動。
[0004]這種通過視覺計算對圖像序列中關(guān)節(jié)式物體(如人手或人體)的姿態(tài)進行估計，是計算機視覺領(lǐng)域中的重要研究內(nèi)容，其應(yīng)用領(lǐng)域包括自然人機交互、智能監(jiān)控、虛擬現(xiàn)實、機器人運動控制等(Kinect)。
[0005]第二種基于視覺的運動分析技術(shù)可以稱為光學(xué)式與上述方法類似，只是在前端數(shù)據(jù)獲取時，采用的是高速攝像機，人體各個部位貼有的發(fā)光標記，高速攝像機以較高的頻率記錄人體運動，再在計算機上對視頻圖像中人體上的發(fā)光點的空間位置進行處理運算，從而純粹還原出人體的運動過程，但此方法不涉及對人體姿態(tài)的估計。這種技術(shù)廣泛應(yīng)用在動作分析、游戲制作、電影特效、體育科研訓(xùn)練等相關(guān)領(lǐng)域(3D游戲)。
[0006]另外一種技術(shù)是基于慣性傳感器的方法，與光學(xué)式不同之處在于利用的是加速度傳感器、陀螺儀、磁強計等慣性傳感器是采集人體運動的各種信息，進而推算出人體的運動狀態(tài)，這項技術(shù)的一個主要應(yīng)用是運動捕捉技術(shù)(XSens)，也同樣廣泛應(yīng)用于動畫制作，電影特效，體育訓(xùn)練等領(lǐng)域。
[0007]現(xiàn)有技術(shù)的問題:(普通攝像頭)I，現(xiàn)有技術(shù)主要是利用攝像機來采集人體目標的運動信息，這就決定了它只能對處于攝像機觀測范圍內(nèi)的運動人體目標進行姿態(tài)的估計，這使得現(xiàn)有技術(shù)只能局限于實驗室或者房間內(nèi)，使用范圍受限。2，現(xiàn)有技術(shù)是在攝像機采集到的視頻序列的基礎(chǔ)上運用數(shù)字圖像處理技術(shù)來從圖像幀中提取人體運動信息，由于攝像機的拍攝角度問題，采集到的人體圖像中不可避免的會發(fā)生某些部位的重疊和遮擋現(xiàn)象，這就增加了提取人體運動信息的困難。(高速攝像機)3，在采集貼有標記的人體運動時，需要采用非普通高速攝像機，雖然重建人體運動精度較高，但這種攝像機造價較高，后期數(shù)據(jù)處理量太大，而且只能在特定空間內(nèi)使用。4.人體姿態(tài)估計的研究成果在智能監(jiān)控、視頻會議、體育訓(xùn)練、醫(yī)療分析、動畫制作、增強現(xiàn)實方面有著更實際的應(yīng)用意義。無論是光學(xué)式還是慣性傳感器式，現(xiàn)有技術(shù)主要側(cè)重于重建人體的運動狀態(tài)，但是在姿態(tài)估計方面，當前的研究成果大多數(shù)還存在準確性和實時性都較差的特點，而且大部分的方法需要人工干預(yù)以及一些硬件設(shè)備的輔助，距實現(xiàn)簡單條件下的準確跟蹤和姿態(tài)估計的目標還有一定的差 距。因此，提出一種新的人體姿態(tài)估計方法已變得十分必要。
【發(fā)明內(nèi)容】
[0008]為了解決現(xiàn)有技術(shù)中的問題，本發(fā)明提供了一種人體姿態(tài)估計方法。
[0009]本發(fā)明提供了一種人體姿態(tài)估計方法，包括如下步驟:
[0010]A.建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息；
[0011]B.建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
[0012]作為本發(fā)明的進一步改進，在所述步驟A中包括如下步驟:
[0013]Al.建立人體結(jié)構(gòu)化模型，所述人體結(jié)構(gòu)化模型包括關(guān)節(jié)點和肢體段；
[0014]A2.傳感器到人體的配準，完成人體姿態(tài)從傳感器坐標系到大地坐標系的轉(zhuǎn)換；配準時讓人體與大地坐標系重合，此時各個肢體段在大地坐標系下的向量是已知的表示為vG，那么肢體段在傳感器坐標系下面的向量vS用傳感器輸出的四元數(shù)進行轉(zhuǎn)換而得到，之后每個時刻肢體段在大地坐標系下的向量就由該時刻的四元數(shù)和vS求出，也就是人體肢體段該時刻的姿態(tài)；
[0015]A3.根據(jù)腳部傳感器的加速度信息進行著地點檢測；
[0016]A4.人體空間位置求解，根據(jù)著地點的位置，以及各個肢體段在大地坐標系下的向量用遞推的方法求出各個關(guān)節(jié)點的位置，從而確定人體的空間位置。
[0017]作為本發(fā)明的進一步改進，在所述步驟B中包括如下步驟:
[0018]B1.根據(jù)人體結(jié)構(gòu)化模型建立貝葉斯網(wǎng)絡(luò)模型，所述貝葉斯網(wǎng)絡(luò)模型包含至少兩層的人模型，每一層代表某一幀人體各個節(jié)點所處的狀態(tài)，層內(nèi)節(jié)點按照人體關(guān)節(jié)的連接關(guān)系連接，層間節(jié)點按照對應(yīng)關(guān)系連接；
[0019]B2.貝葉斯網(wǎng)絡(luò)模型中R為旋轉(zhuǎn)矩陣，T為平移矩陣；測之后幀的人體姿態(tài)之前，先通過第N幀與N-1幀求出R和T，再與貝葉斯網(wǎng)絡(luò)模型中對應(yīng)的R和T加權(quán)平均作為新的R和T，其中第N幀為當前幀；
[0020]B3.更新貝葉斯網(wǎng)絡(luò)模型后，采用置信傳播算法來推算待求節(jié)點；信息的傳播方向為層與層之間為單向傳播，即第N層只影響第N+1層，而不影響N-1層，層間為雙向傳播；迭代傳播直至貝葉斯網(wǎng)絡(luò)模型中所有節(jié)點的值收斂，此時第N+1層的各個節(jié)點的值即為估計值。
[0021]作為本發(fā)明的進一步改進，在所述步驟A2中，根據(jù)采集到的加速度，計算各節(jié)點在大地坐標下的坐標。
[0022]作為本發(fā)明的進一步改進，在所述步驟B2中，同時利用旋轉(zhuǎn)矩陣R和平移矩陣T表達兩個節(jié)點之間的關(guān)系，旋轉(zhuǎn)矩陣R和平移矩陣T的每個參數(shù)均符合高斯分布；在所述步驟A3中，根據(jù)腳部傳感器的加速度信息進行著地點的檢測；在所述步驟B3中，通過調(diào)節(jié)每個參數(shù)高斯分布的方差，來調(diào)節(jié)置信傳播的收斂速率。
[0023]作為本發(fā)明的進一步改進，該人體姿態(tài)估計方法還包括:
[0024]C.將當前姿態(tài)和預(yù)測姿態(tài)通過3D圖像的形式在終端上實時顯示。[0025]作為本發(fā)明的進一步改進，還包括數(shù)據(jù)采集方法:在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息；將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信息。
[0026]本發(fā)明提供了一種人體姿態(tài)估計系統(tǒng)，包括:
[0027]建立人體結(jié)構(gòu)化模型單元，用于建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息；
[0028]建立人體運動的貝葉斯網(wǎng)絡(luò)模型單元，用于建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
[0029]作為本發(fā)明的進一步改進,包括數(shù)據(jù)采集單元,在所述數(shù)據(jù)采集單元中包括在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息，將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信息。
[0030]作為本發(fā)明的進一步改進，所述主節(jié)點與所述終端為有線或無線連接，所述終端包括上位機或移動終端。
[0031]本發(fā)明的有益效果是:本發(fā)明能夠預(yù)測人體姿態(tài)，而且顯著提高了整個系統(tǒng)的運算效率，保證了系統(tǒng)預(yù)測的實時性。
【專利附圖】
【附圖說明】
[0032]圖1是本發(fā)明的人體姿態(tài)估計系統(tǒng)原理框圖。
【具體實施方式】
[0033]本發(fā)明公開了一種人體姿態(tài)估計方法，包括如下步驟:
[0034]A.建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息；
[0035]B.建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
[0036]在所述步驟A中包括如下步驟:
[0037]Al.建立人體結(jié)構(gòu)化模型，所述人體結(jié)構(gòu)化模型包括關(guān)節(jié)點和肢體段；
[0038]A2.傳感器到人體的配準，完成人體姿態(tài)從傳感器坐標系到大地坐標系的轉(zhuǎn)換；配準時讓人體與大地坐標系重合，此時各個肢體段在大地坐標系下的向量是已知的表示為/，那么肢體段在傳感器坐標系下面的向量vS用傳感器輸出的四元數(shù)進行轉(zhuǎn)換而得到，之后每個時刻肢體段在大地坐標系下的向量就由該時刻的四元數(shù)和Vs求出，也就是人體肢體段該時刻的姿態(tài)；
[0039]A3.根據(jù)腳部傳感器的加速度信息進行著地點檢測；
[0040]A4.人體空間位置求解，根據(jù)著地點的位置，以及各個肢體段在大地坐標系下的向量用遞推的方法求出各個關(guān)節(jié)點的位置，從而確定人體的空間位置。
[0041]在所述步驟Al中，這里認為人體是由關(guān)節(jié)和骨骼連接起來的剛性連桿模型，所謂剛性，就是指在運動過程中，代表人體骨骼的連桿是長度不變、不會變形的。模型共包括8個關(guān)節(jié)點和7個肢體段。當然不同的使用者在初次使用系統(tǒng)時，要根據(jù)自身具體參數(shù)(比如骨骼長度，髖骨寬度，腳部長度)對模型進行初始化；
[0042]在所述步驟A3中，為了確定人體的空間姿態(tài)和位置，需要進行著地點的檢測。結(jié)合人體行走過程中的步態(tài)特征，利用傳感器輸出的加速度信息可以實現(xiàn)著地點的檢測。
[0043]在所述步驟B中包括如下步驟:
[0044]B1.根據(jù)人體結(jié)構(gòu)化模型建立貝葉斯網(wǎng)絡(luò)模型，所述貝葉斯網(wǎng)絡(luò)模型包含至少兩層的人模型，每一層代表某一幀人體各個節(jié)點所處的狀態(tài)，層內(nèi)節(jié)點按照人體關(guān)節(jié)的連接關(guān)系連接，層間節(jié)點按照對應(yīng)關(guān)系連接；
[0045]B2.貝葉斯網(wǎng)絡(luò)模型中R為旋轉(zhuǎn)矩陣，T為平移矩陣；測之后幀的人體姿態(tài)之前，先通過第N幀與N-1幀求出R和T，再與貝葉斯網(wǎng)絡(luò)模型中對應(yīng)的R和T加權(quán)平均作為新的R和T，其中第N幀為當前幀；
[0046]B3.更新貝葉斯網(wǎng)絡(luò)模型后，采用置信傳播算法來推算待求節(jié)點；信息的傳播方向為層與層之間為單向傳播，即第N層只影響第N+1層，而不影響N-1層，層間為雙向傳播；迭代傳播直至貝葉斯網(wǎng)絡(luò)模型中所有節(jié)點的值收斂，此時第N+1層的各個節(jié)點的值即為估計值。
[0047]在所述步驟B2中，因為人的運動具有很大的不確定性，所以我們采用的貝葉斯網(wǎng)絡(luò)是實時更新的。實驗證明人體每個節(jié)點的運動過程可以通過旋轉(zhuǎn)加平移的方式充分表達，故該網(wǎng)絡(luò)每對接點之間的關(guān)系為，其中待求節(jié)點，已知節(jié)點，R為旋轉(zhuǎn)矩陣，T為平移矩陣。每次預(yù)測之前，先通過第N幀(當前幀)與N-1幀求出R、T，再與網(wǎng)絡(luò)中對應(yīng)的R、T加權(quán)平均作為新的R和T。
[0048]在所述步驟A2中，根據(jù)采集到的加速度和四元數(shù)，計算各節(jié)點在大地坐標下的坐標。
[0049]在所述步驟B2中，同時利用旋轉(zhuǎn)矩陣R和平移矩陣T表達兩個節(jié)點之間的關(guān)系，旋轉(zhuǎn)矩陣R和平移矩陣T的每個參數(shù)均符合高斯分布；在所述步驟A3中，根據(jù)腳部傳感器的加速度信息進行著地點的檢測；在所述步驟B3中，通過調(diào)節(jié)每個參數(shù)高斯分布的方差，來調(diào)節(jié)置信傳播的收斂速率。
[0050]該人體姿態(tài)估計方法還包括:C.將當前姿態(tài)和預(yù)測姿態(tài)通過3D圖像的形式在終端上實時顯示。
[0051]還包括數(shù)據(jù)采集方法:在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息；將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信
肩、O
[0052]如圖1所示，本發(fā)明還公開了一種人體姿態(tài)估計系統(tǒng)，包括:
[0053]建立人體結(jié)構(gòu)化模型單元，用于建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息；
[0054]建立人體運動的貝葉斯網(wǎng)絡(luò)模型單元，用于建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
[0055]包括數(shù)據(jù)采集單元，在所述數(shù)據(jù)采集單元中包括在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息，將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信息。
[0056]所述主節(jié)點與所述終端為有線或無線連接,所述終端包括上位機或移動終端。
[0057]本發(fā)明在前端數(shù)據(jù)采集部分使用綁在人體相關(guān)部位的多個傳感器節(jié)點，采集人體運動時的相應(yīng)部位的加速度和四元數(shù)，通過無線發(fā)送到主節(jié)點，然后把主節(jié)點采集到的信息通過有線傳輸?shù)絇C終端或者通過無線傳輸?shù)揭苿咏K端。
[0058]本發(fā)明主要由如下幾部分組成:
[0059]1.數(shù)據(jù)采集部分:該部分包括多個微型傳感器，以及一個主節(jié)點。微型傳感器用于采集人體各個關(guān)節(jié)的加速度和四元數(shù)，主節(jié)點用于向上位機發(fā)送接收到數(shù)據(jù)。
[0060]2.姿態(tài)估計部分:利用主節(jié)點發(fā)送來的數(shù)據(jù)，經(jīng)過上位機程序后臺處理，得到后幾幀的姿態(tài)估計。
[0061]3.運動再現(xiàn)部分:通過3D作圖，將姿態(tài)估計部分的得到的結(jié)果實時顯示在上位機程序中。
[0062]本發(fā)明的人體姿態(tài)估計方法及系統(tǒng)具有如下優(yōu)勢:
[0063]1、不受環(huán)境限制
[0064]傳感器模塊可以綁定在人體特定部位，采集到的運動信息通過無線發(fā)射到上位機進行處理，這就把人體目標從攝像機中解放出來，解決了傳統(tǒng)方法運動目標只能局限在攝像機范圍內(nèi)的問題。
[0065]2、解決了現(xiàn)有方案的遮擋問題
[0066]由于新方案采集的是綁在人體相關(guān)部位的傳感器的數(shù)據(jù)，這就不存在現(xiàn)有方案中圖像處理時的重疊和遮擋問題。
[0067]3、價格低廉
[0068]隨著傳感器技術(shù)的發(fā)展和集成電路的進步，這種高度集成的傳感器模塊越來越普及，價格也不高。
[0069]4、估計效果好
[0070]本發(fā)明采用貝葉斯網(wǎng)絡(luò)，網(wǎng)絡(luò)中的每對節(jié)點完全參照真實人體模型中各個節(jié)點的連接關(guān)系連接，其關(guān)系的數(shù)值表達方面，我們采用了旋轉(zhuǎn)矩陣以及平移矩陣，故整個系統(tǒng)具備充分表達人體運動的能力。同時我們實時更新網(wǎng)絡(luò)參數(shù)，利用統(tǒng)計概率作出估計，故整個系統(tǒng)具有較強的魯棒性，在各種復(fù)雜的人體運動中依然可以作出較為精準的預(yù)測。最后，我們采用了置信傳播算法推算預(yù)測值，該算法在求解貝葉斯網(wǎng)絡(luò)時具有快速收斂于真實值的能力，故采用此算法顯著提高了整個系統(tǒng)的運算效率，保證了系統(tǒng)預(yù)測的實時性。
[0071]本發(fā)明能夠估計人體姿態(tài)，例如當某人處于某一姿勢時，本發(fā)明能夠估計出該人的下一姿態(tài)，如果該人要摔倒，本發(fā)明就可以估計出來，那么便可以采取相應(yīng)的措施，具有非常廣的應(yīng)用。
[0072]以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細說明，不能認定本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬【技術(shù)領(lǐng)域】的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡單推演或替換，都應(yīng)當視為屬于本發(fā)明的保護范圍。
【權(quán)利要求】
1.一種人體姿態(tài)估計方法，其特征在于，包括如下步驟: A.建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息； B.建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
2.根據(jù)權(quán)利要求1所述的人體姿態(tài)估計方法，其特征在于，在所述步驟A中包括如下步驟: Al.建立人體結(jié)構(gòu)化模型，所述人體結(jié)構(gòu)化模型包括關(guān)節(jié)點和肢體段； A2.傳感器到人體的配準，完成人體姿態(tài)從傳感器坐標系到大地坐標系的轉(zhuǎn)換；配準時讓人體坐標系與大地坐標系重合，此時各個肢體段在大地坐標系下的向量是已知的表示為vG，那么肢體段在傳感器坐標系下面的向量vS用傳感器輸出的四元數(shù)進行轉(zhuǎn)換而得到，之后每個時刻肢體段在大地坐標系下的向量就由該時刻的四元數(shù)和vS求出，也就是人體肢體段該時刻的姿態(tài)； A3.根據(jù)腳部傳感器的加速度信息進行著地點檢測； A4.人體空間位置求解，根據(jù)著地點的位置，以及各個肢體段在大地坐標系下的向量用遞推的方法求出各個關(guān)節(jié) 點的位置，從而確定人體的空間位置。
3.根據(jù)權(quán)利要求2所述的人體姿態(tài)估計方法，其特征在于，在所述步驟B中包括如下步驟: B1.根據(jù)人體結(jié)構(gòu)化模型建立貝葉斯網(wǎng)絡(luò)模型，所述貝葉斯網(wǎng)絡(luò)模型包含至少兩層的人模型，每一層代表某一幀人體各個節(jié)點所處的狀態(tài)，層內(nèi)節(jié)點按照人體關(guān)節(jié)的連接關(guān)系連接，層間節(jié)點按照對應(yīng)關(guān)系連接； B2.貝葉斯網(wǎng)絡(luò)模型中R為旋轉(zhuǎn)矩陣，T為平移矩陣；測之后幀的人體姿態(tài)之前，先通過第N幀與N-1幀求出R和T，再與貝葉斯網(wǎng)絡(luò)模型中對應(yīng)的R和T加權(quán)平均作為新的R和T，其中第N幀為當前幀； B3.更新貝葉斯網(wǎng)絡(luò)模型后，采用置信傳播算法來推算待求節(jié)點；信息的傳播方向為層與層之間為單向傳播，即第N層只影響第N+1層，而不影響N-1層，層間為雙向傳播；迭代傳播直至貝葉斯網(wǎng)絡(luò)模型中所有節(jié)點的值收斂，此時第N+1層的各個節(jié)點的值即為估計值。
4.根據(jù)權(quán)利要求3所述的人體姿態(tài)估計方法，其特征在于，在所述步驟A2中，根據(jù)采集到的加速度和四元數(shù)，計算各節(jié)點在大地坐標下的坐標。
5.根據(jù)權(quán)利要求4所述的人體姿態(tài)估計方法，其特征在于，在所述步驟B2中，同時利用旋轉(zhuǎn)矩陣R和平移矩陣T表達兩個節(jié)點之間的關(guān)系，旋轉(zhuǎn)矩陣R和平移矩陣T的每個參數(shù)均符合高斯分布；在所述步驟A3中，根據(jù)腳部傳感器的加速度信息進行著地點的檢測；在所述步驟B3中，通過調(diào)節(jié)每個參數(shù)高斯分布的方差，來調(diào)節(jié)置信傳播的收斂速率。
6.根據(jù)權(quán)利要求1至5任一項所述的人體姿態(tài)估計方法，其特征在于，該人體姿態(tài)估計方法還包括: C.將當前姿態(tài)和預(yù)測姿態(tài)通過3D圖像的形式在終端上實時顯示。
7.根據(jù)權(quán)利要求6所述的人體姿態(tài)估計方法，其特征在于，還包括數(shù)據(jù)采集方法:在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息；將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信息。
8.一種人體姿態(tài)估計系統(tǒng)，其特征在于，包括: 建立人體結(jié)構(gòu)化模型單元，用于建立人體結(jié)構(gòu)化模型，并結(jié)合傳感器的信息計算出人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息； 建立人體運動的貝葉斯網(wǎng)絡(luò)模型單元，用于建立人體運動的貝葉斯網(wǎng)絡(luò)模型，結(jié)合人體運動的姿態(tài)和在大地坐標系內(nèi)的位置信息對貝葉斯網(wǎng)絡(luò)模型求解，通過之前幀人體姿態(tài)數(shù)據(jù)在貝葉斯網(wǎng)絡(luò)模型內(nèi)通過置信傳播算法預(yù)測之后幀的人體姿態(tài)。
9.根據(jù)權(quán)利要求8所述的人體姿態(tài)估計系統(tǒng)，其特征在于，包括數(shù)據(jù)采集單元，在所述數(shù)據(jù)采集單元中包括在人體相關(guān)部位綁定傳感器，并開啟各個傳感器采集人體運動信息，將主節(jié)點連接至終端，打開主節(jié)點電源，并開始接收各個傳感器發(fā)送的運動信息。
10.根據(jù)權(quán)利要求9所述的人體姿態(tài)估計系統(tǒng)，其特征在于，所述主節(jié)點與所述終端為有線或無線連接，所述終端包括上位機或移動終端。
【文檔編號】G06T7/00GK103679712SQ201310634030
【公開日】2014年3月26日 申請日期:2013年11月29日 優(yōu)先權(quán)日:2013年11月29日
【發(fā)明者】馬婷, 陳龍 申請人:馬婷