欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020107719088
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:所述方法包括以下步骤:步骤1)获取人体姿态信息样本作为训练集,构建神经网络模型,以采样t-1时刻的人体关节点i的位置y步骤2)建立人体各关节点在深度视觉传感器坐标系下的运动学模型,确定过程噪声w步骤3)确定人体各关节点的初始状态值及其协方差

步骤4)根据建立的运动学模型,计算各关节点的f

步骤5)基于深度图像读取人体各关节点位置的量测值

步骤6)否则,等待直至获取基于彩色图像的人体各关节点位置的量测值执行步骤1)–6),实现RGB-D图像特征融合的人体姿态实时估计。

2.如权利要求1所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤1)中,所述的t=1,2,…为采样离散时间序列;所述的i=1,2,...,n,表示人体各关节点的序列,包括头部、肩部中心、左肩、右肩、左肘部、右肘部、左手腕、右手腕、左髋、右髋、左膝、右膝、左脚踝和右脚踝,n为人体姿态估计所需关节点的数目,共14个。

3.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤1)中,所述的神经网络为BP神经网络,采用反向传播算法的随机梯度下降进行神经网络训练。

4.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤2)中,所述的

5.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤3)中,所述的人体各关节点的初始状态值为关节点i在深度传感器坐标系下x,y,z轴上的值,所述的

6.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤5)中,所述的触发条件为:

7.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:在所述步骤6)中,获取基于彩色图像的人体各关节点位置的量测值的采样时间长于深度图像。

8.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:所述步骤1)中,以采样t-1时刻的人体关节点位置y其中,i=1,2,…,n为人体关节点的序号;t=1,2…为采样的离散时间序列;

9.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:所述步骤2)中,建立人体关节点的运动学模型和基于彩色图像和深度图像的量测模型如下:x

其中,k=1,2,…为离散时间序列;

10.如权利要求1或2所述的一种RGB-D图像特征融合的人体姿态实时估计方法,其特征在于:所述步骤4)中,根据公式(5)-(7)计算各关节点的fP

所述步骤5)中,读取基于深度图像的人体各关节点位置的量测值其中,δ为事件触发的检测阈值,若公式(8)不成立,根据(9)-(11),计算深度图像下各关节点的卡尔曼滤波增益所述步骤6)中,当公式(8)成立时,等待直至读取基于彩色图像的人体各关节点位置的量测值