[發明專利]一種基于深度圖像的人物輪廓快速檢測與跟蹤方法

有效

• 申請號: 201710496491.7
• 申請日: 2017-06-26
• 公開（公告）號: CN107403436B
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 成慧;杜徑舟;吳華棟
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/149;G06T7/194;G06T7/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 陳衛

本發明涉及深度圖像的實時人物輪廓檢測與跟蹤的技術領域，更具體地，涉及一種基于深度圖像的人物輪廓快速檢測與跟蹤方法。一種基于深度圖像的人物輪廓快速檢測與跟蹤方法，其特征在于，包括人物輪廓快速檢測和人物輪廓掩模實時跟蹤步驟，所述的人物輪廓快速檢測步驟如下：S1.通過人物運動確定背景區域；S2.背景模型更新策略依據背景區域深度圖像像素值變化的大小與方向進行更新；S3.通過背景減除得到人物輪廓區域，并依賴其區域再次進行背景更新；所述的人物輪廓掩模實時跟蹤步驟如下：S4.基于深度信息對人物輪廓掩模區域進快速分割；S5.對分割后輪廓進行基于輪廓掩模重疊性跟蹤；S6.重檢測策略。

技術領域

本發明涉及深度圖像的實時人物輪廓檢測與跟蹤的技術領域，更具體地，涉及一種基于深度圖像的人物輪廓快速檢測與跟蹤方法。

背景技術

如今，人機交互技術正在迅猛發展，其中人體的姿態分析是人機交互中領域中不可或缺的部分。而在深度圖像中提取人體輪廓對姿態分析有重要的意義，通過深度圖像的人物輪廓信息有利于對人體骨骼點的分析，進而進行進行體感游戲、虛擬試衣等應用的二次開發。目前，在這一領域的商用的算法有微軟公司開發KinectV2 SDK與Primesense公司開發的NITE2算法，二者能夠在深度圖像中提取人物輪廓并計算出人物骨骼點位置，算法運行時間為30fps。但是，二者在場景復雜的情況下均有不足，KinectV2 SDK在人物距離深度攝像機較近時(1.5m)時提取的人體掩模容易出現噪聲，人物在場景中觸碰物體，如椅子、桌子等，容易出現掩模突變缺失或增長現象，進行人物間交換位置時，人物ID信息容易錯亂等問題。并且KinectV2 SDK對計算資源要求過高，要求支持DirectX 11.0以后的GPU，像筆記本這種沒有裝載NVIDIA GeForce和AMD Radeon外置GPU的情況下，很多筆記本無法運行。NITE2算法對于復雜場景中人物靠近或者觸碰物體也存在掩模突變缺失或增長現象，會對人體骨骼點識別造成影響。

發明內容

本發明為克服上述現有技術所述的至少一種缺陷，提供一種基于深度圖像的人物輪廓快速檢測與跟蹤方法，本方法通過人物簡單運動，形成穩定的背景模型，進行背景減除得到人物輪廓，并且不容易受到場景物體干擾。而后，通過對輪廓分割，以對輪廓掩模進行實時跟蹤，對人物之間交換位置有良好的效果。

本發明的技術方案是：一種基于深度圖像的人物輪廓快速檢測與跟蹤方法，其中，包括人物輪廓快速檢測和人物輪廓掩模實時跟蹤步驟，所述的人物輪廓快速檢測步驟如下：

S1.通過人物運動確定背景區域；

S2.背景模型更新策略依據背景區域深度圖像像素值變化的大小與方向進行更新；

S3.通過背景減除得到人物輪廓區域，并依賴其區域再次進行背景更新；

所述的人物輪廓掩模實時跟蹤步驟如下：

S4.基于深度信息對人物輪廓掩模區域進快速分割；

S5.對分割后輪廓進行基于輪廓掩模重疊性跟蹤；

S6.重檢測策略。

本發明中，本方法對動態場景進行建模，解決人物間與場景中物體觸碰時掩模突變的問題，提高人物間交換位置時，ID信息的準確性，本方法在KinectV2與Xtion等主流深度圖傳感器上有良好的適應性，并在計算資源為corei5 CPU的電腦筆記本上平均速率大于30fps，無須使用GPU。

進一步的，所述的步驟S1中，背景區域確定的方法為：首先通過幀間差找出人物運動區域，再通過填充確定完整人物區域，從而反向確定背景區域。

所述的步驟S2中，背景更新方法為：當得到上述的運動人物區域后，可以對此之外的區域進行背景更新。