[發(fā)明專利]基于隨機(jī)高斯隱變量的人體運(yùn)動(dòng)跟蹤方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210133724.4
• 申請(qǐng)日: 2012-05-03
• 公開（公告）號(hào): CN102663779A
• 公開（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 韓紅;謝福強(qiáng);韓啟強(qiáng);張紅蕾;顧建銀;李曉君;甘露;郭玉言;劉三軍
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于隨機(jī)高斯隱變量的人體運(yùn)動(dòng)跟蹤方法，包括如下步驟：

(1)從原始的視頻圖像中獲得人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)矩陣Y；

(2)根據(jù)三維坐標(biāo)矩陣Y構(gòu)建高斯隱變量模型：

2a)將人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)矩陣Y代入高斯公式：

p(Y|X,β)=1(2π)ND|K|Dexp(-12tr(K-1YYT)),]]>

其中，X為待求解的隱變量，K為徑向基RBF核矩陣，β為K矩陣的超參數(shù)，D為三維坐標(biāo)矩陣Y的維數(shù)，N為隱變量X的維數(shù)，|·|表示矩陣的模，tr(·)表示矩陣的跡，(·)^T表示矩陣的轉(zhuǎn)秩，(·)^-1表示矩陣求逆，求解隱變量X和K矩陣的超參數(shù)β即可獲得完整的高斯隱變量模型；

2b)通過最大似然估計(jì)法求解隱空間X和徑向基RBF核矩陣的超參數(shù)β，對(duì)步驟2a)中公式兩邊做對(duì)數(shù)運(yùn)算，得到負(fù)對(duì)數(shù)似然度函數(shù)ζ：

ζ=-lnp(Y|X,β)=-D·N2ln2π-D2ln|K|-12tr(K-1YYT);]]>

(3)使用隨機(jī)梯度下降算法求解負(fù)對(duì)數(shù)似然度函數(shù)ζ，獲得隱空間X和超參數(shù)β：

3a)隨機(jī)初始化隱空間X，對(duì)X用K-means的方法進(jìn)行聚類，選擇離聚類中心最近的隱空間點(diǎn)作為初始參考點(diǎn)x₀，同時(shí)賦給β一個(gè)隨機(jī)初始值，其中x₀∈X；

3b)對(duì)步驟3a)中獲得的初始參考點(diǎn)x₀求出其在隱空間X內(nèi)的R個(gè)近鄰點(diǎn)，選取初始參考點(diǎn)x₀的R個(gè)近鄰作為計(jì)算ζ的近鄰空間X_R，其中，R＝50；

3c)在X_R中計(jì)算ζ關(guān)于X和核矩陣超參數(shù)β的偏導(dǎo)數(shù)：

∂ζ∂X≈-(KR-1·YR·YRT·KR-1-D·KR-1)·∂KR∂XR,]]>

∂ζ∂β≈-(KR-1·YR·YRT·KR-1-D·KR-1)·∂KR∂βR,]]>

其中，K_R是在近鄰空間X_R中的徑向基RBF核矩陣，β_R為核矩陣K_R的超參數(shù)，Y_R是與近鄰空間X_R對(duì)應(yīng)的三維姿態(tài)關(guān)節(jié)點(diǎn)坐標(biāo)矩陣，(·)^T表示矩陣的轉(zhuǎn)置，(·)^-1表示矩陣求逆，

當(dāng)兩個(gè)偏導(dǎo)數(shù)等于零時(shí)獲得初始化后的隱空間X和超參數(shù)β；

(4)迭代更新隱空間X和核超參數(shù)β：

4a)獲得隱空間X和核超參數(shù)β后，將隱空間X用局部保留映射LPP的方法投影到空間X′中，并在空間X′中隨機(jī)選取參考點(diǎn)x_r，計(jì)算參考點(diǎn)x_r的R個(gè)近鄰，得到參考點(diǎn)x_r在空間X′中的近鄰空間X′_R；

4b)將參考點(diǎn)x_r在空間X′中的近鄰空間X′_R投影回隱空間X，得到參考點(diǎn)x_r在隱空間X中的近鄰空間X_R；

4c)在步驟4b)獲得近鄰空間X_R后，按步驟3c)在X_R中計(jì)算ζ關(guān)于X的偏導(dǎo)數(shù)和ζ關(guān)于核矩陣超參數(shù)β的偏導(dǎo)數(shù)獲得此次迭代后的隱空間X和核矩陣超參數(shù)β；

4d)重復(fù)步驟4a)至4c)，使用迭代法更新隱空間X和核矩陣超參數(shù)β；

(5)在迭代5000次以后，獲得最終的隱空間X和核超參數(shù)β，得到高斯隱變量模型，使用學(xué)習(xí)得到的高斯隱變量模型，以獲得的隱空間X為輸入，估計(jì)出運(yùn)動(dòng)人體的三維姿態(tài)數(shù)據(jù)通過下式實(shí)現(xiàn)：

y^t=M+YTK-1k(xt,X),]]>

其中，Y為視頻圖像中人體關(guān)節(jié)點(diǎn)的三維坐標(biāo)矩陣，M是Y的均值，X為學(xué)習(xí)得到的隱空間，x_t為在隱空間X中對(duì)應(yīng)的點(diǎn)，K為徑向基RBF核矩陣，k(x_t，X)是核函數(shù)，(·)^T表示矩陣的轉(zhuǎn)置，(·)^-1表示矩陣求逆。

2.根據(jù)權(quán)利要求1中所述方法，其中步驟4d)中所述的使用迭代法更新隱空間X和核矩陣超參數(shù)β，按如下步驟進(jìn)行：

4d1)計(jì)算第n次迭代與第n-1次迭代隱空間的變化量ΔX_n：

ΔXn=μxΔXn-1+ηx·∂ζ∂X,]]>

其中，ΔX_n-1為第n-1次迭代時(shí)隱空間的變化量，μ_x為X的增量參數(shù)，μ_x＝0.8，η_x為X的學(xué)習(xí)率，為ζ關(guān)于X的偏導(dǎo)數(shù)，n為迭代次數(shù)，n∈[1，5000]；

4d2)根據(jù)第n-1次迭代隱空間的變化量ΔX_n獲得第n次迭代的隱空間X_n：

X_n＝X_n-1+ΔX_n，

其中，X_n-1為第n-1次迭代時(shí)的隱空間，ΔX_n為第n次迭代與第n-1次迭代隱空間的變化量；

4d3)計(jì)算第n次迭代與第n-1次迭代的核超參數(shù)的變化量Δβ_n：

Δβn=μβΔβn-1+ηβ·∂ζ∂β,]]>

其中，β_n為第n次迭代得到的核矩陣超參數(shù)β值，μ_β為核矩陣超參數(shù)β的增量參數(shù)，μ_β＝0.5，η_β為核矩陣超參數(shù)β的學(xué)習(xí)率，為ζ關(guān)于核矩陣超參數(shù)β的偏導(dǎo)數(shù)，n為迭代次數(shù)，n∈[1，5000]；

4d4)根據(jù)第n次迭代與第n-1次迭代核超參數(shù)的變化量Δβ_n獲得β_n：

β_n＝β_n-1+Δβ_n，

其中，β_n-1為第n-1次迭代時(shí)的隱空間，Δβ_n為第n次迭代與第n-1次迭代核超參的變化量。