[發明專利]基于深度核信息圖像特征的人體運動跟蹤方法

有效

• 申請號: 201310030672.2
• 申請日: 2013-01-27
• 公開（公告）號: CN103093211A
• 公開（公告）日: 2013-05-08
• 發明（設計）人: 韓紅;謝福強;張紅蕾;韓啟強;李曉君;顧建銀
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，更進一步涉及到計算機視覺領域中實現人體運動跟蹤的一種方法，可用于體育訓練和動畫制作，視頻監控領域。

技術背景

人體運動跟蹤是近二十年來計算機視覺領域的重大熱點之一，人體運動跟蹤在運動捕獲，人機交互，視頻監控等多領域獲得了初步的應用，并具重大的應用前景。從視頻序列中準確恢復三維人體姿態，實現人體運動跟蹤是計算機視覺領域長期存在的問題。實現人體運動跟蹤主要包括兩步：第一步是實現對視頻圖像特征的準確表示，第二步是學習從視頻圖像特征到人體姿態的回歸函數。其中最重要的就是第一步：實現對視頻圖像特征的準確表示。

對于一幀視頻圖像，人體是視頻圖像中的核心內容，反映視頻圖像的核心語義特征。對于人類來說，觀看一幀圖像的同時幾乎可以瞬間理解其中人物的姿態，然而對于計算機，卻要克服重重困難：必需要有一種有效的圖像特征，作為計算機識別的接口。這種圖像特征必須有效表示圖像中的人物運動狀態以及圖像紋理，輪廓等細節信息。現有圖像特征表示方法大致可以分為基于全局特征點方法和基于局部字碼表的特征表示方法，如梯度直方圖特征、層級化特征、形狀上下文和尺度不變性特征點的方法。目前已經有很多成熟的圖像特征表示方法被運用到人體特征表示和運動跟蹤中。但是大部分描述人體的圖像特征表示是基于輪廓和邊緣信息的，在理論上不嚴謹，很難準確的刻畫圖像內部信息。這些基于邊緣的圖像特征表示方法還面臨一個主要問題：視頻圖像的快速變換常沿邊緣曲線不連續性跳躍，一方面會導致封閉邊界的灰度不連續性模糊，另一方面也會導致紋理變化不沿幾何曲線聚集。最終結果是無法有效表示圖像中的幾何紋理走向，不能全面刻畫人在其中的姿態和特征信息，導致后期的運動跟蹤和姿態恢復產生了模糊性和歧義性。

發明內容

本發明針對上述已有技術的不足，提出了一種基于深度核信息圖像特征的人體運動跟蹤方法，以降低圖像特征提取的復雜度，提高特征的表征能力，并在圖像數據分布未知情況下，通過學習先驗進行準確的姿態預測。

本發明技術方案通過如下步驟實現：

（1）從原始的視頻圖像中獲得人體關節點的三維坐標矩陣Y；

（2）提取訓練視頻圖像的核圖像特征x(U)：

2a)輸入待處理訓練視頻圖像集轉換為連續單幅序列圖，根據圖像內容，判斷需要識別的主要人體目標，提取像素大小為64*192的含有人體的矩形框體，作為之后處理的訓練樣本圖像集U；

2b)對訓練樣本圖像集U中的像素點分別求梯度，得到每一個像素點的方向和模值其中，z為圖像塊中的像素點，z∈U；

2c）使用方向高斯核函數k_o(·)計算不同像素點之間的角度相似度:

ko(θ→z,θ→s)=exp(-γ0||θ→z-θ→s||2),]]>

其中，γ₀為方向高斯核參數，為圖像塊中像素點z的方向角，為圖像塊中像素點s的方向角，exp(·)表示求自然對數的指數函數，||·|²表示求二范數；