[發明專利]一種基于動態賦權和灰色預測下的骨骼抖動檢測方法

有效

• 申請號: 201910316968.8
• 申請日: 2019-04-19
• 公開（公告）號: CN110083239B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王海學;楊淑婷;樓容;張陽;劉峰
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06V40/20
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明公開了一種基于動態賦權和灰色預測下的骨骼抖動檢測方法，包括：采集設定骨骼動作的歷史運動數據，對歷史運動數據利用距離公式進行預處理，并截取預處理后所述骨骼動作對應的有效數據序列；采用分段冪函數對所述有效數據序列進行動態賦權處理，得到賦權數據序列，并基于所述賦權數據序列獲取對應骨骼動作的第一規律性；采用灰度預測算法整合賦權數據序列，獲取賦權數據序列對應的第二規律性，基于第二規律性預測骨骼在1s～2s后的運動數據；基于歷史運動數據設置人體運動所對應的骨骼運動閾值再次對運動數據預處理得到數據序列{Y_m}，Y_m＝Y_i,0≤i≤m，若則說明骨骼執行下一骨骼動作；否則，說明出現骨骼抖動；本發明能夠有效提升骨骼動作的檢測效率和準確率。

技術領域

本發明屬于人機交互技術領域，具體涉及一種基于動態賦權和灰色預測下的骨骼抖動檢測方法。

背景技術

目前人機交互技術越來越成熟，早期微軟推出了Kinect，體感控制器制造公司Leap也推出了leap motion，隨后VR設備也迅速發展。各種人機交互成為可能，但由于軟件所設定的動作都有其響應閾值。人體也無法在長時間之內保持某個姿勢不動，這就出現了骨骼抖動問題。基于此現象骨骼抖動檢測方法也隨之產生。

國內外對于骨骼抖動的解決方案也有很多種。具體可分為通過設置濾波器以及進行數據的平滑處理方法兩大類為主。第一類設置濾波器，主要體現在利用Kinect設備獲取深度圖時產生的骨骼抖動數據的噪聲，利用像素濾波器和上下文濾波器以及雙邊濾波器等都可以有效的去除圖像中的噪聲數據但對于人體運動骨骼數據處理而言，使用以上濾波器會帶來處理速度慢的特點從而會出現短暫的視覺差。第二類平滑處理方法則應用較為廣泛，可以解決一切能夠獲取骨骼數據信息的設備。常用的方法有移動平均法、加權移動平均法等。這類方法的特點是所需數據少，處理速度快，能夠快速的進行預判。但該類方法受歷史數據影響較大，準確率不高。

發明內容

本發明的目的在于針對現有技術中存在處理速度慢以及檢測準確率低的問題，提供一種基于動態賦權和灰色預測下的骨骼抖動檢測方法，該方法利用骨骼傳感器所產生的一系列歷史數據信息，通過數據預處理找出能夠具有數據序列特征的數據個數，通過分段冪級數算法對數據進行二次處理使數據能夠有著較強的規律性。使用灰色預測方法找出歷史數據序列的強規律性并對之后人體運動數據進行預測與相應的動作設定的閾值進行比較從而檢測是否發生骨骼抖動；具體技術方案如下：

一種基于動態賦權和灰色預測下的骨骼抖動檢測方法，所述方法包括：

S1、采集設定骨骼動作的歷史運動數據，對所述歷史運動數據利用距離公式進行動態切割，截取所述歷史運動數據中對應骨骼動作的有效數據序列；

S2、采用分段冪函數對所述有效數據序列進行動態賦權處理，得到賦權數據序列，并基于所述賦權數據序列獲取對應骨骼動作的第一規律性；

S3、采用灰度預測算法整合所述賦權數據序列，獲取所述賦權數據序列對應的骨骼動作的第二規律性，基于所述第二規律性預測骨骼在1s～2s后的運動數據；

S4、基于所述歷史運動數據設置人體運動所對應的骨骼運動閾值采用距離公式對所述運動數據預處理得到數據序列{Y_m}，Y_m＝Y_i,0≤i≤m，若則說明骨骼無抖動現象；否則，說明出現骨骼抖動。

進一步的，所述歷史運動數據由利用骨骼傳感器采集的在骨骼傳感器下三維坐標系表示人體肩部、肘部和腕部的實際坐標值構成。

進一步的，步驟S1中所述預處理包括：通過靈敏度分析得到3s～4s的所述歷史運動數據，以及

對所有所述歷史運動數據與所述圖片數據的最后一幀之差做平方差，并設定一閾值，比較所述閾值與所述平方差得到值比較，去除所述歷史運動數據中的無效數據。