[發明專利]目標姿態分析裝置及其目標姿態分析方法

有效

• 申請號: 201010105504.1
• 申請日: 2010-01-22
• 公開（公告）號: CN102136139A
• 公開（公告）日: 2011-07-27
• 發明（設計）人: 陳茂林;楚汝峰;胡芝蘭;林華書
• 申請（專利權）人: 三星電子株式會社;北京三星通信技術研究有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 韓明星;王青芝

技術領域

本發明涉及姿態估計技術，更具體地，涉及一種目標姿態分析裝置及其目標姿態分析方法。

背景技術

在計算機視覺領域中，目標姿態分析技術是一個重要的研究課題。目標姿態分析廣泛應用于人機交互、電視購物、真人姿態動畫和TOF(time?offlight)深度相機相關的應用。傳統的目標分析方法集中于利用CCD相機的色彩圖像。在標題為“目標識別的圖形結構(Pictorial?Structure?for?Object?Recognition)，P.Felzenszwalb”的發明專利中，為了提取目標的姿態，目標被模型化為不同部件的可變形的配置結構，通過“類彈性部件”連接而互相關聯。目標姿態分析方法是用于在各個部件的可能的位置、大小、方向的巨大配置空間中進行搜索的過程。但是，即使對于一幅靜態圖像來說，該方法也非常耗時。為了減少搜索空間，從目標提取特定特征來定位某些目標部件，例如，皮膚顏色特征可幫助用于定位裸露的人的手臂、腿和面部。在公開號為WO2006052853的專利申請中提到了利用皮膚顏色特征定位的方法。減少搜索空間的另一種方法是使用姿態初始化的模型和姿態追蹤。公開號US20080112592A1和WO2008079541A2的發明申請中，使用簡單的姿態(例如，T形姿態)用于檢測目標部件的簡易檢測作為目標姿態的初始化，隨后使用姿態參數的追蹤來估計目標的姿態。這要求被檢測者按照該方法在線協同工作，還要求被檢測者在姿態追蹤失敗時做出簡單的姿態。為了避免巨大的運算量，還采取了基于示例的姿態識別，模擬從姿態估計的發起到姿態識別，提供了有限數量的姿態用于復雜的姿態空間。用于目標姿態估計的新方法還使用深度攝像機，串接深度圖用于前景段，然后基于深度圖子串的部件分析提取骨架。該方法可以用于簡單的目標姿態估計，例如，可用于沒有閉合的擴展的目標部件，并使用簡單的拓撲圖來定位骨架的外在部件。以上的方法均設計用于串行處理。

總的說來，傳統的姿態估計技術在實踐中遇到以下兩個挑戰。一個是在搜索姿態參數期間花費的計算量或時間巨大。對于具有實時要求的應用來說，如果不進行空間壓縮則不可能完成搜索。具有皮膚顏色特征的目標部件的位置也不適當。第二個問題是，在串行處理框架下，過于依賴單個特征。在上述的目標姿態分析方法中，通常都只利用一種特征(例如，皮膚顏色特征)來識別目標姿態，一旦此特征的識別失敗，則系統就不能正常工作。這樣的串行框架不能適應于新的應用的要求。

發明內容

在本發明中，提供了一種用于高效率地分析目標姿態的方法和裝置。根據本發明實施例的目標姿態估計設備可接收深度視頻作為輸入，并計算目標姿態作為輸出。在目標姿態估計處理中，首先測試多種類別的目標部件的特征指示位置，然后選擇若干特征作為當前視頻目標的顯著特征，隨后獨立和并行地提取這些顯著特征，最后，使用數據驅動馬爾科夫鏈蒙特卡羅(DDMCMC，Data?Driven?Markov?Chain?Monte?Carlo)方法來基于檢測到的不完整的顯著特征集合推算目標的姿態參數。因此，當一個目標具有更多的顯著特征時，本發明可更容易地定位和推算目標的姿態，同時花費的時間更少。此外，由于本發明將傳統技術中被串行處理的顯著特征進行并行處理，因此，基于本發明實施例的方法和設備能夠顯著減少時間花費，同時避免系統由于獨立的顯著特征的檢測失敗而導致的崩潰。另外，本發明可并行處理的顯著特征是可擴展的，允許在根據本發明的特征數據庫(DB)中增加目標的特征類別以及特征類別中的特征。

為了實現以上的優點，根據本發明的一方面，提供了一種目標姿態分析裝置，包括：特征數據庫存儲模塊，用于存儲特征數據庫，特征數據庫包括至少一個特征類別；特征測試器，將接收的圖像數據的目標的特征與存儲在特征數據庫存儲模塊中的特征數據庫的特征類別進行并行測試，以從特征數據庫中選擇至少一個特征組；顯著特征選擇器，根據所述至少一個特征組的有效性指示參數對所述至少一個特征組進行評估，以選擇顯著特征集合；顯著特征檢測器，基于顯著特征集合對輸入的圖像執行特征檢測，確定輸入的圖像中是否存在顯著特征集合中的特征，以獲得輸入圖像的顯著特征檢測結果；姿態推算模塊，根據顯著特征檢測結果執行姿態估計。