[發明專利]基于三維人體關鍵點的人體姿態分層分類方法

有效

• 申請號: 202110371855.5
• 申請日: 2021-04-07
• 公開（公告）號: CN112906667B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 苑晶;朱書豪;胡天帥;祝文斌;高遠兮
• 申請（專利權）人: 南開大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V10/764
• 代理公司: 合肥晨創知識產權代理事務所(普通合伙) 34162
• 代理人: 康培培

本發明屬于計算機視覺識別技術領域，更具體地，涉及一種基于三維人體關鍵點的人體姿態分層分類方法。該方法包括以下步驟，S1、采用SVM分類器對人體的站立與非站立姿態進行分類；S2、對于非站立姿態，使用三維人體關鍵點數據，計算出人體軀干平面法向量，通過法向量方向區分平躺與俯臥兩類姿態。

技術領域

本發明屬于計算機視覺識別技術領域，更具體地，涉及一種基于三維人體關鍵點的人體姿態分層分類方法。

背景技術

根據輸入數據的類型不同，可以將人體姿態分類劃分為基于二維彩色圖像的姿態分類和基于三維人體關鍵點的姿態分類。生物學家的研究表明人類可以僅通過觀察人體的關鍵部位(例如頭、肩、膝蓋、腰等)的相對位置以及其運動來判斷人體的姿態類別和動作，而不需要額外的外觀信息[2]，即人體關鍵點估計可以有效地為人體姿態分類提供姿態類別信息。基于人體關鍵點的分類算法還可以避免由于圖像光照變化和環境背景的影響造成的姿態分類錯誤。

在實際實驗中，對于傳統方法而言，僅使用關鍵點像素坐標信息作為特征不足以進行準確的分類。如圖1所示，其中(a)圖和(c)圖分別為平躺和站立人體姿態，(b)圖和(d)圖為去除環境背景后站立與平躺人體姿態估計結果。由圖可見，去掉人與環境的相對位置信息，僅根據估計的關鍵點像素坐標難以正確分類。

由于人體姿態的靈活性，人體姿態的微小變化都會使關鍵點產生較大的位置差異。除此之外，在本文中機器人與環境中的人的相對位置不確定，這導致在機器人移動的過程中，相機采集到的圖片中的人體姿態會因為視角而發生變化。

對三種姿態進行分類：站立、平躺、俯臥。不同類別的姿態之間的差異體現在不同的特征維度上，難以使用相同的特征對這三種姿態進行分類。因此姿態分類的難點在于找到具有高魯棒性和強判別性的分類特征。

發明內容

針對現有技術存在的技術問題，本發明提出了一種基于三維人體關鍵點的人體姿態分層分類方法，該方法能夠對站立、平躺和俯臥三種姿態進行有效分類。

為實現上述目的，本發明提供了如下技術方案：

基于三維人體關鍵點的人體姿態分層分類方法，包括以下步驟，

S1、采用SVM分類器對人體的站立與非站立姿態進行分類；

S2、對于非站立姿態，使用三維人體關鍵點數據，計算出人體軀干平面法向量，通過法向量方向區分平躺與俯臥兩類姿態。

本技術方案進一步的優化，所述步驟S1訓練SVM分類器時，采用網格搜索法遍歷設定的核函數和超參數，并通過在訓練集與驗證集上進行五折交叉驗證來檢驗不同參數與核函數的分類性能，尋找最優的核函數與對應的超參數。

本技術方案更進一步的優化，所述核函數為線性核函數、多項式核函數或高斯核函數。

本技術方案更進一步的優化，所述核函數及超參數值如下：

本技術方案進一步的優化，所述步驟S1從得到的世界坐標系下人體關鍵點數據中選取頭部和軀干上的關鍵點的z坐標作為SVM分類器的輸入數據，Z＝{z₁,...,z₂},p＝7，

輸入數據均值和方差分別為：

使用SVM分類器，求特征空間中的一個分離超平面w^Tx+b＝0，將計算得到的均值和方差作為樣本特征，則樣本數據集可表示為T＝{(x₁,y₁),...,(x_N,y_N)}，其中，為樣本數據個數，y_i∈{-1,1}為樣本類別標簽，1和-1分別表示站立與非站立。