CN101350064A - 二维人体姿态估计方法及装置 - Google Patents
二维人体姿态估计方法及装置 Download PDFInfo
- Publication number
- CN101350064A CN101350064A CNA2008101194206A CN200810119420A CN101350064A CN 101350064 A CN101350064 A CN 101350064A CN A2008101194206 A CNA2008101194206 A CN A2008101194206A CN 200810119420 A CN200810119420 A CN 200810119420A CN 101350064 A CN101350064 A CN 101350064A
- Authority
- CN
- China
- Prior art keywords
- human body
- hunting zone
- human
- region
- template
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000010276 construction Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 abstract description 5
- 210000001699 lower leg Anatomy 0.000 description 8
- 210000002414 leg Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种二维人体姿态估计方法、以及一种二维人体姿态估计装置。本发明首先检测出二维图像中的人体区域并确定出各人体部位在二维图像中的搜索范围,然后根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置。相比于现有技术,本发明无需利用预先训练得到的大量参数、且无需在整幅二维图像中搜索每一人体部位的位置,因而提高了二维人体姿态估计的效率。
Description
技术领域
本发明涉及人体姿态估计技术,特别涉及一种二维人体姿态估计方法、以及一种二维人体姿态估计装置。
背景技术
二维人体姿态估计(Human Pose Estimation)的主要目的是估算二维图像中人体的各个部位的位置,确定头部、四肢的姿态,是计算机视觉中的一个重要研究领域,可应用于视频监控、人机交互、虚拟现实等各种应用场景。
其中,二维人体姿态利用二维图像中包围各人体部位的矩形来表示各个人体部位,如图1所示。每个矩形用一个五维向量来表示l=(x,y,w,h,θ),x和y表示矩形中心的二维坐标、w和h分别为矩形的宽度和高度、θ为矩形相对于水平或垂直方向的角度。本文中将表示上述矩形的该五维向量称之为位置。
然而,现有技术进行二维人体姿态估计时,需要在搜索时需要利用预先训练得到的大量参数、且对于每一人体部位的位置均需要在整幅二维图像中进行搜索,因而使得处理效率较低。
发明内容
有鉴于此,本发明提供了一种二维人体姿态估计方法、以及一种二维人体姿态估计装置,能够提高二维人体姿态估计的效率。
本发明提供的一种二维人体姿态估计方法,预先设置各人体部位的模板、以及相邻人体部位之间的约束关系,该方法包括:
检测二维图像中的人体区域;
确定人体区域中各人体部位的搜索范围;
确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度;
根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
所述各人体部位包括:躯干、头部、臂部、手部、腿部、脚部;
所述分别确定人体区域中对应各人体部位的搜索范围包括:
搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;
在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;
利用检测得到的人脸的肤色确定手部的搜索范围,并将人体区域中位于躯干搜索范围与手部搜索范围之间的部分,确定为臂部的搜索范围;
将人体区域中的剩余部分确定为腿部和脚部的搜索范围。
所述确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度包括:
对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图;
分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
所述各人体部位的最优位置满足如下公式的极值:
或
其中,li表示确定为第i个人体部位的位置,lj表示确定为第j个人体部位的位置,P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
该方法进一步按照各人体部位之间的关系建立树结构;
所述分别在各人体部位的搜索范围内搜索各人体部位的最优位置包括:从所述树结构根节点所表示的人体部位的搜索范围开始并按照所述树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
本发明提供的一种二维人体姿态估计装置,包括:
模型存储模块,用于存储预先设置的各人体部位的模板、以及相邻人体部位之间的约束关系;
背景差分模块,用于检测二维图像中的人体区域;
范围划分模块,确定人体区域中各人体部位的搜索范围;
相似判断模块,用于确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度;
位置搜索模块,用于根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
所述各人体部位包括:躯干、头部、臂部、手部、腿部、脚部;
所述区域确定模块包括:
躯干范围子模块,用于搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;
头部范围子模块,用于在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;
手臂范围子模块,用于利用检测得到的人脸的肤色确定手部的搜索范围,并将人体区域中位于躯干搜索范围与手部搜索范围之间的部分,确定为臂部的搜索范围;
腿脚范围子模块,用于将人体区域中的剩余部分确定为腿部和脚部的搜索范围。
所述相似判断模块包括:
距离变换子模块,用于对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图;
图像似然子模块,用于分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
所述各人体部位的最优位置满足如下公式的极值:
或
其中,li表示确定为第i个人体部位的位置,lj表示确定为第j个人体部位的位置,P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
所述模型存储模块中进一步存储按照各人体部位之间的关系所建立的树结构;
所述位置搜索模块进一步从所述树结构根节点所表示的人体部位的搜索范围开始并按照所述树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
由上述技术方案可见,本发明首先检测出二维图像中的人体区域并确定出各人体部位在二维图像中的搜索范围,然后根据各人体部位的搜索范围内各位置与该人体部位的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置。相比于现有技术,本发明无需利用预先训练得到的大量参数、且无需在整幅二维图像中搜索每一人体部位的位置,因而提高了二维人体姿态估计的效率。
附图说明
图1为现有二维人体姿态的各人体部位示意图。
图2a为本发明实施例中各人体部位模板示意图。
图2b为本发明实施例中相邻人体部位之间的约束关系示意图。
图3为本发明实施例中二维人体姿态估计方法的流程示意图。
图4为本发明实施例中各人体部位的树结构示意图。
图5为本发明实施例中二维人体姿态估计装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
在本实施例中,将人体划分为躯干、头部、左臂、左手、右臂、右手、左腿、左脚、右腿、右脚共10个人体部位。这样,预先设置具有固定形状和大小的上述各人体部位的模板,构成如图2a所示的人体模型。在图2a中,各人体部位的模板形状均为矩形、其大小则为该人体部位的宽度和高度。
且本实施例还需要建立相邻人体部位之间的约束关系,如图2b所示,这里所述的约束关系是指:相邻人体部位邻边之间的二维坐标距离Δx和Δy、以及相对角度Δθ所允许的范围。
下面,首先对本实施例中的二维人体姿态估计方法进行说明。
如图3所示,对于连续多幅二维图像中的每一幅,本实施例中的二维人体姿态估计方法包括如下步骤:
步骤301,利用现有的流光法、帧间差分法、背景相减法等已有方法,检测二维图像中的人体区域。
经本步骤之后,二维图像变为二值化图像,其中,运动的人体区域通常表示为白色像素点,而背景区域则表示为黑色像素点。
在本步骤之后,还可以利用膨胀运算、腐蚀运算、开运算、关运算等数学形态学方法,对检测出人体区域的二维图像进行滤波,以填充人体区域中的空洞、并去除人体区域中面积较小的孤立区域、非连通区域,只保留面积大于预设连通面积阈值的连通区域,以提高图像质量。
步骤302,确定人体区域中各人体部位的搜索范围。
在本实施例中,本步骤中的具体处理过程可以包括:
a1、搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;
a2、在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;
a3、利用检测得到的人脸的肤色检测并确定右手和左手的搜索范围,并将人体区域中位于躯干搜索范围与右手、左手搜索范围之间的部分,分别确定为右臂和左臂的搜索范围;
a4、将人体区域中的剩余部分确定为右腿、右脚、左腿、左脚的搜索范围。
步骤303,确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
本步骤的具体处理过程可以包括:
b1、采用现有的距离变换方法,对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图,距离图中各像素点的值为该像素点在二维图像中二位坐标值(x,y)的距离变换函数值DT(x,y);其中,现有技术中的距离变换是指:在由黑白像素点构成的二值化图像中,为每一像素找到距离其最近的黑色像素点,并计算该像素点与距离其最近的黑色像素点之间的距离,得到该像素点的距离变换函数值DT(x,y);
b2、按照现有方式,分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度,即利用与第i个人体部位模板形状和大小相同的矩形搜索框i,在距离图中的第i个人体部位的搜索范围内进行搜索,并在搜索过程中计算矩形搜索框i所在位置li,m的所有边缘像素点、即位置li,m在二维图像中所体现的矩形的所有边缘像素点(xi,mb,yi,mb)的距离变换函数值DT(xi,mb,yi,mb)的平均值,该平均值即为第i个人体部位出现在位置li,m的图像似然P(li,m,I),可表示为如下公式:
其中,位置li,m为第i个人体部位的搜索范围内的第m个位置,li,m=(xi,m,yi,m,wi,m,hi,m,θi,m),xi,m和yi,m为位置li,m在二维图像中所体现的矩形的中心二维坐标、wi,m和hi,m以及θi,m分别为该矩形的宽度和高度以及角度;I表示二维图像;Mi,m为位置li,m在二维图像中所体现的矩形的周长。
上述处理过程得到的图像似然P(li,m,I)即表示第i个人体部位的搜索范围内的第m个位置与第i个人体部位的相似程度。
步骤304,根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
也就是说,本步骤中在保证相邻人体部位的搜索范围内搜索到的位置与相邻人体部位之间约束条件尽可能匹配的前提下,在各人体部位的搜索范围内分别搜索与该人体部位模板具有尽可能高的相似程度的位置,从而得到各人体部位的搜索范围内表示该人体部位的位置,进而得到二维人体的姿态。
本步骤中所述的各人体部位的最优位置满足如下公式的极值:
或,
其中,li表示确定为第i个人体部位的位置,li=(xi,yi,wi,hi,θi),xi和yi表示位置li的中心二维坐标、wi和hi表示位置li的宽度和高度、θi表示位置li相对于水平或垂直方向的角度;lj表示确定为第j个人体部位的位置,lj=(xj,yj,wj,hj,θj),xj和yj表示位置lj在二维图像中所体现的矩形的中心二维坐标、wj和hj以及θj分别表示该矩形的宽度和高度以及角度;P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
需要说明的是,对于一种情况:
P(li|lj)可以定义为li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的差值,该差值越小表示相似程度越高,本领域技术人员可利用任意方法实现该定义方式;相应地,图像似然P(li,m,I)也定义为取值越小表示相似程度越高,本领域技术人员可利用任意一种现有距离变换方法实现该定义方式。这样,如上所述的极值就是表示上述两个相似程度同时递增方向上的极小值。
对于另一种情况:
P(li|lj)可以定义为li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的匹配度,该匹配越大表示相似程度越高,本领域技术人员可利用任意方法实现该定义方式;相应地,图像似然P(li,I)也定义为取值越大表示相似程度越高,本领域技术人员也可利用任意一种现有距离变换方法实现该定义方式。这样,如上所述的极值就是表示上述两个相似程度同时递增方向上的极大值。
对于上述两种情况,实际应用中可任意设定。
此外,本实施例中还可以按照如图2a所示的各人体部位的关系,以躯干为根节点、以头部、臂部、手部、腿部、脚部为叶子节点建立如图4所示的树结构。这种情况下,本步骤可以利用维特比(Viterbi)等各种现有计算方法从树结构根节点所表示的人体部位的搜索范围开始、并按照树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
至此,本流程结束。
由上述流程可见,本实施例中的二维人体姿态估计方法首先检测出二维图像中的人体区域并确定出各人体部位在二维图像中的搜索范围,然后根据各人体部位的搜索范围内各位置与该人体部位的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置。相比于现有技术,该方法无需利用预先训练得到的大量参数、且无需在整幅二维图像中搜索每一人体部位的位置,因而提高了二维人体姿态估计的效率,并降低了二维人体姿态估计的实现难度。
以上是对本实施例中二维人体姿态估计方法的详细说明,下面,再对本实施例中的二维人体姿态估计装置进行说明。
如图5所示,本实施例中的二维人体姿态估计装置包括:模型存储模块、背景差分模块、范围划分模块、相似判断模块、位置搜索模块。
模型存储模块,用于存储预先设置的各人体部位的模板、以及相邻人体部位之间的约束关系。
背景差分模块,用于利用现有的流光法、帧间差分法、背景相减法等已有方法,检测二维图像中的人体区域。其中,经背景差分模块处理之后,二维图像变为二值化图像,其中,运动的人体区域通常表示为白色像素点,而背景区域则表示为黑色像素点。
范围划分模块,确定人体区域中各人体部位的搜索范围。具体来说,范围划分模块可以包括:躯干范围子模块,用于搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;头部范围子模块,用于在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;手臂范围子模块,用于利用检测得到的人脸的肤色检测并确定手部的搜索范围,并将人体区域中位于躯干搜索范围与手部搜索范围之间的部分,确定为臂部的搜索范围;腿脚范围子模块,用于将人体区域中的剩余部分确定为腿部和脚部的搜索范围。
相似判断模块,用于确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度。具体来说,相似判断模块包括:距离变换子模块,用于采用现有的距离变换方法,对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图;图像似然子模块,用于按照现有方式分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
其中,第i个人体部位出现在该人体区域搜索范围内的位置li,m的图像似然P(li,m,I)可表示为如下公式:
其中,位置li,m为第i个人体部位的搜索范围内的第m个位置,li,m=(xi,m,yi,m,wi,m,hi,m,θi,m),xi,m和yi,m为位置li,m在二维图像中所体现的矩形的中心二维坐标、wi,m和hi,m以及θi,m分别为该矩形的宽度和高度以及角度;I表示二维图像;Mi,m为位置li,m在二维图像中所体现的矩形的周长;(xi,mb,yi,mb)为位置li,m在二维图像中所体现的矩形的所有边缘像素点的二维坐标值。
位置搜索模块,用于根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
也就是说,位置搜索模块在保证相邻人体部位的搜索范围内搜索到的位置与相邻人体部位之间约束条件尽可能匹配的前提下,在各人体部位的搜索范围内分别搜索与该人体部位模版具有尽可能高的相似程度的位置,从而得到各人体部位的搜索范围内表示该人体部位的位置,进而得到二维人体的姿态。位置搜索模块搜索得到的各人体部位的最优位置满足如下公式的极值:
或,
其中,li表示确定为第i个人体部位的位置,li=(xi,yi,wi,hi,θi),xi和yi表示位置li的中心二维坐标、wi和hi表示位置li的宽度和高度、θi表示位置li相对于水平或垂直方向的角度;lj表示确定为第j个人体部位的位置,lj=(xj,yj,wj,hj,θj),xj和yj表示位置lj在二维图像中所体现的矩形的中心二维坐标、wj和hj以及θj分别表示该矩形的宽度和高度以及角度;P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
实际应用中,如上所述的极值就是表示上述两个相似程度同时递增方向上的极大值或极小值。
此外,模型存储模块中可以进一步存储按照各人体部位之间的关系所建立的树结构。这种情况下,位置搜索模块进一步从所述树结构根节点所表示的人体部位的搜索范围开始并按照所述树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
需要说明的是,对于连续多幅二维图像中的每一幅,本实施例中的二维人体姿态估计装置均按照上述原理进行处理。
可见,本实施例中的二维人体姿态估计装置首先检测出二维图像中的人体区域并确定出各人体部位在二维图像中的搜索范围,然后根据各人体部位的搜索范围内各位置与该人体部位的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置。相比于现有技术,该装置无需利用预先训练得到的大量参数、且无需在整幅二维图像中搜索每一人体部位的位置,因而提高了二维人体姿态估计的效率,并降低了二维人体姿态估计的实现难度。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (10)
1、一种二维人体姿态估计方法,其特征在于,预先设置各人体部位的模板、以及相邻人体部位之间的约束关系,该方法包括:
检测二维图像中的人体区域;
确定人体区域中各人体部位的搜索范围;
确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度;
根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及预设相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
2、如权利要求1所述的方法,其特征在于,所述各人体部位包括:躯干、头部、臂部、手部、腿部、脚部;
所述分别确定人体区域中对应各人体部位的搜索范围包括:
搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;
在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;
利用检测得到的人脸的肤色确定手部的搜索范围,并将人体区域中位于躯干搜索范围与手部搜索范围之间的部分,确定为臂部的搜索范围;
将人体区域中的剩余部分确定为腿部和脚部的搜索范围。
3、如权利要求1或2所述的方法,其特征在于,所述确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度包括:
对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图;
分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
4、如权利要求3所述的方法,其特征在于,所述各人体部位的最优位置满足如下公式的极值:
或
其中,li表示确定为第i个人体部位的位置,lj表示确定为第j个人体部位的位置,P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
5、如权利要求4所述的方法,其特征在于,该方法进一步按照各人体部位之间的关系建立树结构;
所述分别在各人体部位的搜索范围内搜索各人体部位的最优位置包括:从所述树结构根节点所表示的人体部位的搜索范围开始并按照所述树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
6、一种二维人体姿态估计装置,其特征在于,包括:
模型存储模块,用于存储预先设置的各人体部位的模板、以及相邻人体部位之间的约束关系;
背景差分模块,用于检测二维图像中的人体区域;
范围划分模块,确定人体区域中各人体部位的搜索范围;
相似判断模块,用于确定各人体部位的搜索范围内各位置与该人体部位模板的相似程度;
位置搜索模块,用于根据各人体部位的搜索范围内各位置与该人体部位模板的相似程度、以及相邻人体部位之间的约束关系,分别在各人体部位的搜索范围内搜索各人体部位的最优位置,得到二维人体的姿态。
7、如权利要求6所述的装置,其特征在于,所述各人体部位包括:躯干、头部、臂部、手部、腿部、脚部;
所述区域确定模块包括:
躯干范围子模块,用于搜索得到人体区域中面积最大的矩形,在预设的旋转角度范围内将该矩形进行扰动,得到躯干的搜索范围;
头部范围子模块,用于在人体区域中进行人脸检测,将检测得到的人脸所在位置作为头部的搜索范围;
手臂范围子模块,用于利用检测得到的人脸的肤色确定手部的搜索范围,并将人体区域中位于躯干搜索范围与手部搜索范围之间的部分,确定为臂部的搜索范围;
腿脚范围子模块,用于将人体区域中的剩余部分确定为腿部和脚部的搜索范围。
8、如权利要求6或7所述的装置,其特征在于,所述相似判断模块包括:
距离变换子模块,用于对检测出人体区域的二维图像进行距离变换,得到该二维图像的距离图;
图像似然子模块,用于分别在距离图中各人体部位的搜索范围内,利用该人体部位模板计算该人体部位出现在各位置的图像似然,作为各人体部位的搜索范围内各位置与该人体部位模板的相似程度。
9、如权利要求7或8所述的装置,其特征在于,所述各人体部位的最优位置满足如下公式的极值:
或
其中,li表示确定为第i个人体部位的位置,lj表示确定为第j个人体部位的位置,P(li|lj)表示li和lj之间的二维坐标距离和相对角度与预设第i个人体部位和第j个人体部位之间约束关系的相似程度,E表示相邻人体部位的集合,(i,j)∈E表示只有当第i个人体部位和第j个人体部位为相邻人体部位时才计算P(li|lj);P(li,I)表示第i个人体部位出现在位置li的图像似然,I为二维图像。
10、如权利要求9所述的装置,其特征在于,所述模型存储模块中进一步存储按照各人体部位之间的关系所建立的树结构;
所述位置搜索模块进一步从所述树结构根节点所表示的人体部位的搜索范围开始并按照所述树结构的遍历顺序,依次在各人体部位的搜索范围内搜索各人体部位的最优位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101194206A CN101350064B (zh) | 2008-08-29 | 2008-08-29 | 二维人体姿态估计方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008101194206A CN101350064B (zh) | 2008-08-29 | 2008-08-29 | 二维人体姿态估计方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101350064A true CN101350064A (zh) | 2009-01-21 |
CN101350064B CN101350064B (zh) | 2012-06-13 |
Family
ID=40268850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008101194206A Active CN101350064B (zh) | 2008-08-29 | 2008-08-29 | 二维人体姿态估计方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101350064B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576953A (zh) * | 2009-06-10 | 2009-11-11 | 北京中星微电子有限公司 | 一种人体姿态的分类方法和装置 |
CN102324041A (zh) * | 2011-09-09 | 2012-01-18 | 深圳泰山在线科技有限公司 | 像素归类方法、关节体姿态识别方法及鼠标指令生成方法 |
CN102609684A (zh) * | 2012-01-16 | 2012-07-25 | 宁波江丰生物信息技术有限公司 | 人体姿势检测方法及装置 |
CN103390150A (zh) * | 2012-05-08 | 2013-11-13 | 北京三星通信技术研究有限公司 | 人体部件检测方法和装置 |
CN104063681A (zh) * | 2014-05-30 | 2014-09-24 | 联想(北京)有限公司 | 一种活动对象图像识别方法及装置 |
CN106196276A (zh) * | 2014-08-27 | 2016-12-07 | 江森自控日立空调技术(香港)有限公司 | 空调机 |
CN107729870A (zh) * | 2017-01-24 | 2018-02-23 | 问众智能信息科技(北京)有限公司 | 基于计算机视觉的车内安全监测的方法和装置 |
CN108256481A (zh) * | 2018-01-18 | 2018-07-06 | 中科视拓(北京)科技有限公司 | 一种利用身体上下文的行人头部检测方法 |
CN110210331A (zh) * | 2019-05-14 | 2019-09-06 | 安徽大学 | 一种结合树模型与星型模型的人体姿态估计方法 |
CN111291656A (zh) * | 2020-01-21 | 2020-06-16 | 杭州微洱网络科技有限公司 | 一种针对电商图像中度量2d图像中人体躯干姿态匹配方法 |
CN111695492A (zh) * | 2020-06-10 | 2020-09-22 | 国网山东省电力公司电力科学研究院 | 一种输电线路下垂钓隐患的检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398892B (zh) * | 2004-08-03 | 2010-12-22 | 松下电器产业株式会社 | 人物搜索跟踪装置 |
-
2008
- 2008-08-29 CN CN2008101194206A patent/CN101350064B/zh active Active
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576953B (zh) * | 2009-06-10 | 2014-04-23 | 北京中星微电子有限公司 | 一种人体姿态的分类方法和装置 |
CN101576953A (zh) * | 2009-06-10 | 2009-11-11 | 北京中星微电子有限公司 | 一种人体姿态的分类方法和装置 |
CN102324041A (zh) * | 2011-09-09 | 2012-01-18 | 深圳泰山在线科技有限公司 | 像素归类方法、关节体姿态识别方法及鼠标指令生成方法 |
CN102324041B (zh) * | 2011-09-09 | 2014-12-03 | 深圳泰山在线科技有限公司 | 像素归类方法、关节体姿态识别方法及鼠标指令生成方法 |
CN102609684A (zh) * | 2012-01-16 | 2012-07-25 | 宁波江丰生物信息技术有限公司 | 人体姿势检测方法及装置 |
CN102609684B (zh) * | 2012-01-16 | 2013-12-18 | 宁波江丰生物信息技术有限公司 | 人体姿势检测方法及装置 |
CN103390150B (zh) * | 2012-05-08 | 2019-01-08 | 北京三星通信技术研究有限公司 | 人体部件检测方法和装置 |
CN103390150A (zh) * | 2012-05-08 | 2013-11-13 | 北京三星通信技术研究有限公司 | 人体部件检测方法和装置 |
CN104063681A (zh) * | 2014-05-30 | 2014-09-24 | 联想(北京)有限公司 | 一种活动对象图像识别方法及装置 |
CN106196276A (zh) * | 2014-08-27 | 2016-12-07 | 江森自控日立空调技术(香港)有限公司 | 空调机 |
CN107729870A (zh) * | 2017-01-24 | 2018-02-23 | 问众智能信息科技(北京)有限公司 | 基于计算机视觉的车内安全监测的方法和装置 |
CN108256481A (zh) * | 2018-01-18 | 2018-07-06 | 中科视拓(北京)科技有限公司 | 一种利用身体上下文的行人头部检测方法 |
CN110210331A (zh) * | 2019-05-14 | 2019-09-06 | 安徽大学 | 一种结合树模型与星型模型的人体姿态估计方法 |
CN111291656A (zh) * | 2020-01-21 | 2020-06-16 | 杭州微洱网络科技有限公司 | 一种针对电商图像中度量2d图像中人体躯干姿态匹配方法 |
CN111291656B (zh) * | 2020-01-21 | 2023-06-02 | 杭州微洱网络科技有限公司 | 一种度量2d图像中人体躯干姿态匹配方法 |
CN111695492A (zh) * | 2020-06-10 | 2020-09-22 | 国网山东省电力公司电力科学研究院 | 一种输电线路下垂钓隐患的检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101350064B (zh) | 2012-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101350064B (zh) | 二维人体姿态估计方法及装置 | |
Kliper-Gross et al. | Motion interchange patterns for action recognition in unconstrained videos | |
CN104156693B (zh) | 一种基于多模态序列融合的动作识别方法 | |
US20150131859A1 (en) | Method and apparatus for tracking object, and method and apparatus for calculating object pose information | |
CN103218605B (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
CN101216885A (zh) | 一种基于视频的行人人脸检测与跟踪算法 | |
CN105469113A (zh) | 一种二维视频流中的人体骨骼点追踪方法及系统 | |
WO2008079541A9 (en) | Human pose estimation and tracking using label | |
CN101577005A (zh) | 一种目标跟踪方法及装置 | |
CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
WO2008020598A1 (fr) | Dispositif et procédé de détection d'un nombre d'objets | |
CN103119623A (zh) | 瞳孔检测装置及瞳孔检测方法 | |
US20180189955A1 (en) | Augumented reality (ar) method and system enhanced through efficient edge detection of image objects | |
US20150186723A1 (en) | Method and apparatus for detecting generalized passerby | |
Mondragón et al. | Visual model feature tracking for UAV control | |
US20130329964A1 (en) | Image-processing device and image-processing program | |
CN110956069A (zh) | 一种行人3d位置的检测方法及装置、车载终端 | |
CN105700528A (zh) | 一种机器人自主导航避障系统及其方法 | |
CN114692720B (zh) | 基于鸟瞰图的图像分类方法、装置、设备及存储介质 | |
CN112949440A (zh) | 一种提取行人的步态特征的方法、步态识别方法及系统 | |
US8351650B2 (en) | Foreground action estimating apparatus and foreground action estimating method | |
CN109658441A (zh) | 基于深度信息的前景检测方法及装置 | |
Truong et al. | Lane boundaries detection algorithm using vector lane concept | |
Xu et al. | Pedestrian detection based on motion compensation and HOG/SVM classifier | |
CN101127120B (zh) | 一种有效抑制模板漂移的目标跟踪算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180427 Address after: 100191 607, six floor, Ning Ning mansion, 35 Xueyuan Road, Haidian District, Beijing. Patentee after: Beijing Zhong Xing Wei AI Chip Technology Co., Ltd. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |