CN103529944A - 一种基于Kinect的人体动作识别方法 - Google Patents

一种基于Kinect的人体动作识别方法 Download PDF

Info

Publication number
CN103529944A
CN103529944A CN201310486754.8A CN201310486754A CN103529944A CN 103529944 A CN103529944 A CN 103529944A CN 201310486754 A CN201310486754 A CN 201310486754A CN 103529944 A CN103529944 A CN 103529944A
Authority
CN
China
Prior art keywords
point
target body
kinect
articulation point
human body
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
Application number
CN201310486754.8A
Other languages
English (en)
Other versions
CN103529944B (zh
Inventor
田地
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI JINNUO DIGITAL TECHNOLOGY Co Ltd
Original Assignee
HEFEI JINNUO DIGITAL TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HEFEI JINNUO DIGITAL TECHNOLOGY Co Ltd filed Critical HEFEI JINNUO DIGITAL TECHNOLOGY Co Ltd
Priority to CN201310486754.8A priority Critical patent/CN103529944B/zh
Publication of CN103529944A publication Critical patent/CN103529944A/zh
Application granted granted Critical
Publication of CN103529944B publication Critical patent/CN103529944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于Kinect的人体动作识别方法，该方法利用Kinect获取目标人体的骨骼关节点的空间位置信息，然后通过判断其是否满足预设的各种人体动作的判定标准来识别目标人体的动作类型。本发明有效利用Kinect的优势，能够实时获取人体骨骼关节点的空间位置信息，不需借助其它传感设备，不用进行图像处理，降低了系统复杂度，提高了人体动作识别的速度和精度，改善了人机交互效果。

Description

一种基于Kinect的人体动作识别方法
技术领域
本发明涉及计算机虚拟现实技术领域，具体是一种基于Kinect的人体动作识别方法。
 
背景技术
随着计算机技术的发展，在某些虚拟现实的领域中，如数字娱乐，通常需要计算机一方面向人的感官传送刺激信号，另一方面接收操作者的反应，如体态姿势的变动等，然后根据这些人体本身位置和状态的变换来调整刺激信号。因此，需要准确地对人体动作进行识别。
目前，一些利用动作进行识别控制的方法都是基于传统的二维图像的，该类方法不仅涉及到一般的图像处理，而且可能涉及到图像的理解和描述，相对复杂。而且该类方法对周围的光照环境敏感，光照条件不佳可能会影响识别的准确性；人体穿戴的衣服、饰物等遮挡物会减少人体动作的部分局部特征，会对动作的识别造成影响，甚至无法识别，虽然可以通过人工智能进行补偿，但较为复杂且对实时性有影响；交互应用方面，该类方法只利用了二维的图像信息，无法鲁棒地处理人体部位在深度方向上的交互动作。
微软公司的Kinect for Windows提供了最自然的人机交互方式。Kinect采用主动红外线技术进行深度探测，避免了周围光照条件和遮挡物的影响，能够实时地获取人体骨骼信息，这对人体动作识别很有帮助。因此有必要设计一种基于Kinect的人体动作识别方法，以充分利用Kinect的优势来进行人体动作识别。
 
发明内容
本发明的目的在于提供一种系统复杂度低、动作识别率高、人机交互性好的基于Kinect的人体动作识别方法。
本发明的技术方案为：
一种基于Kinect的人体动作识别方法，包括以下顺序的步骤：
（1）利用Kinect对不同时刻的目标人体骨骼关节点的空间位置信息进行采集；
（2）针对获取的每个时刻的目标人体骨骼关节点的空间位置信息，判断其是否与预设的各种人体动作的初始位置信息相匹配；若是，将该时刻记为初始时刻，执行步骤（3），若否，返回步骤（1）；
（3）从初始时刻开始，判断其后一段时间内获取的目标人体骨骼关节点的空间位置信息是否满足预设的各种人体动作的判定标准；若是，执行步骤（4），若否，返回步骤（1）；
（4）识别出目标人体的动作类型，然后再返回步骤（1）。
所述的基于Kinect的人体动作识别方法，当判断目标人体是否发生挥手动作时，包括以下步骤：
（1）利用Kinect对不同时刻的目标人体手部关节点和肘部关节点的空间位置信息进行采集；
（2）针对获取的每个时刻的目标人体的手部关节点和肘部关节点的空间位置信息，判断手部关节点是否在肘部关节点之上，若是，将该时刻记为初始时刻，执行步骤（3），若否，返回步骤（1）；
（3）以肘部关节点为原点，从初始时刻开始，判断其后一段时间内手部关节点沿x轴方向与原点之间的距离是否在预设的阈值范围内，若是，执行步骤（4），若否，返回步骤（1）；
（4）以肘部关节点为原点，判断手部关节点在x轴上的坐标值由负变到正或由正变到负的次数是否达到预设的阈值，若是，识别出目标人体发生挥手动作，若否，返回步骤（1）。
本发明有效利用Kinect的优势，能够实时获取人体骨骼关节点的空间位置信息，不需借助其它传感设备，不用进行图像处理，降低了系统复杂度，提高了人体动作识别的速度和精度，改善了人机交互效果， 
附图说明
图1是本发明的方法流程图；
图2是人体挥手动作示意图。
 
具体实施方式
如图1所示，一种基于Kinect的人体动作识别方法，包括以下顺序的步骤：
（1）利用Kinect对不同时刻的目标人体骨骼关节点的空间位置信息进行采集；
（2）针对获取的每个时刻的目标人体骨骼关节点的空间位置信息，判断其是否与预设的各种人体动作的初始位置信息相匹配；若是，将该时刻记为初始时刻，执行步骤（3），若否，返回步骤（1）；
（3）从初始时刻开始，判断其后一段时间内获取的目标人体骨骼关节点的空间位置信息是否满足预设的各种人体动作的判定标准；若是，执行步骤（4），若否，返回步骤（1）；
（4）识别出目标人体的动作类型，然后再返回步骤（1）。
下面，以挥手动作为例，进一步说明本发明。如图2所示，关于挥手动作，可以理解为：胳膊在肘部弯曲，手和手腕都是在肘部和肩部之上，以肘部为原点来回移动前臂，移动平面和肩部在一个平面上，并且后臂和地面保持平行，在动作的中间位置，前臂垂直于后臂和地面（图2左），如果前臂在竖直线左边（图2右）或右边（图2中），则认为这是挥手动作的一个动作片段。对于挥手这一动作，每一个动作片段必须来回重复多次，否则就不是一个完整的挥手动作。
当判断目标人体是否发生挥手动作时，包括以下步骤：
（1）利用Kinect对不同时刻的目标人体手部关节点和肘部关节点的空间位置信息进行采集；若将手部关节点的空间位置信息记为（x1t,y1t），肘部关节点的空间位置信息记为（x2t,y2t），其中，t表示不同时刻，此处将挥手动作视为二维的平面运动，故可以不考虑z轴信息。
（2）针对获取的每个时刻的目标人体的手部关节点和肘部关节点的空间位置信息，判断手部关节点是否在肘部关节点之上，即判断y1t是否大于y2t，若是，将该时刻记为初始时刻t0，该时刻对应的空间位置信息为初始位置信息，执行步骤（3），若否，返回步骤（1）；
（3）以肘部关节点为原点，从初始时刻t0开始，判断其后一段时间内手部关节点沿x轴方向与原点之间的距离即｜x1t- x2t｜是否在预设的阈值范围内（此处是对挥手动作的幅度进行限定），若是，执行步骤（4），若否，返回步骤（1）；
（4）以肘部关节点为原点，判断手部关节点在x轴上的坐标值x1t- x2t由负变到正或由正变到负的次数是否达到预设的阈值，若是，识别出目标人体发生挥手动作，若否，返回步骤（1）。如图2所示，前臂的位置从竖直线左边变到竖直线右边，或者从竖直线右边变到竖直线左边，视为一次动作，动作次数达到设定的值（比如挥动手臂来回2次视为一个完整的挥手动作），则可以识别出挥手动作。
若从初始时刻t0开始，也即从挥手动作的初始位置开始，其后一段时间内，目标人体没有进行下一步的挥手动作片段，那么可以认为目标人体在动作持续时间内没有完成挥手动作，从而不能识别出挥手动作。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。

Claims (2)

1.一种基于Kinect的人体动作识别方法，其特征在于，包括以下顺序的步骤：
（1）利用Kinect对不同时刻的目标人体骨骼关节点的空间位置信息进行采集；
（2）针对获取的每个时刻的目标人体骨骼关节点的空间位置信息，判断其是否与预设的各种人体动作的初始位置信息相匹配；若是，将该时刻记为初始时刻，执行步骤（3），若否，返回步骤（1）；
（3）从初始时刻开始，判断其后一段时间内获取的目标人体骨骼关节点的空间位置信息是否满足预设的各种人体动作的判定标准；若是，执行步骤（4），若否，返回步骤（1）；
（4）识别出目标人体的动作类型，然后再返回步骤（1）。
2.根据权利要求1所述的基于Kinect的人体动作识别方法，其特征在于，当判断目标人体是否发生挥手动作时，包括以下步骤：
（1）利用Kinect对不同时刻的目标人体手部关节点和肘部关节点的空间位置信息进行采集；
（2）针对获取的每个时刻的目标人体的手部关节点和肘部关节点的空间位置信息，判断手部关节点是否在肘部关节点之上，若是，将该时刻记为初始时刻，执行步骤（3），若否，返回步骤（1）；
（3）以肘部关节点为原点，从初始时刻开始，判断其后一段时间内手部关节点沿x轴方向与原点之间的距离是否在预设的阈值范围内，若是，执行步骤（4），若否，返回步骤（1）；
（4）以肘部关节点为原点，判断手部关节点在x轴上的坐标值由负变到正或由正变到负的次数是否达到预设的阈值，若是，识别出目标人体发生挥手动作，若否，返回步骤（1）。
CN201310486754.8A 2013-10-17 2013-10-17 一种基于Kinect的人体动作识别方法 Active CN103529944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310486754.8A CN103529944B (zh) 2013-10-17 2013-10-17 一种基于Kinect的人体动作识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310486754.8A CN103529944B (zh) 2013-10-17 2013-10-17 一种基于Kinect的人体动作识别方法

Publications (2)

Publication Number Publication Date
CN103529944A true CN103529944A (zh) 2014-01-22
CN103529944B CN103529944B (zh) 2016-06-15

Family

ID=49932017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310486754.8A Active CN103529944B (zh) 2013-10-17 2013-10-17 一种基于Kinect的人体动作识别方法

Country Status (1)

Country Link
CN (1) CN103529944B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103853464A (zh) * 2014-04-01 2014-06-11 郑州捷安高科股份有限公司 一种基于Kinect的铁路手信号识别方法
CN104239119A (zh) * 2014-08-27 2014-12-24 广东电网公司教育培训评价中心 一种基于kinect实现电力培训仿真的方法及系统
CN104353240A (zh) * 2014-11-27 2015-02-18 北京师范大学珠海分校 基于Kinect的跑步机系统
CN104933734A (zh) * 2015-06-26 2015-09-23 西安理工大学 一种基于多kinect的人体姿态数据融合方法
CN105447466A (zh) * 2015-12-01 2016-03-30 深圳市图灵机器人有限公司 一种基于Kinect传感器的身份综合识别方法
CN105719429A (zh) * 2014-07-29 2016-06-29 吴诗蕊 一种基于Kinect的跌倒检测及报警系统及其操作方法
CN105718845A (zh) * 2014-12-03 2016-06-29 同济大学 一种室内场景中人体动作的实时侦测方法及装置
CN106774896A (zh) * 2016-12-19 2017-05-31 吉林大学 一种坐式手工装配线模特值评测系统
CN106980116A (zh) * 2017-04-09 2017-07-25 复旦大学 基于Kinect摄像头的高精度室内人物测距方法
CN107180235A (zh) * 2017-06-01 2017-09-19 陕西科技大学 基于Kinect的人体动作识别算法
CN107301370A (zh) * 2017-05-08 2017-10-27 上海大学 一种基于Kinect三维骨架模型的肢体动作识别方法
CN107392131A (zh) * 2017-07-14 2017-11-24 天津大学 一种基于人体骨骼节点距离的动作识别方法
CN107783652A (zh) * 2017-10-17 2018-03-09 广州杰赛科技股份有限公司 虚拟现实的实现方法、系统和装置
CN110781857A (zh) * 2019-11-05 2020-02-11 北京沃东天骏信息技术有限公司 运动监控方法、装置、系统和存储介质
CN114783059A (zh) * 2022-04-20 2022-07-22 浙江东昊信息工程有限公司 一种基于深度相机的寺庙香客参拜管理方法和系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111228655A (zh) * 2020-01-14 2020-06-05 于金明 基于虚拟智能医疗平台的监控方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120019643A1 (en) * 2010-07-26 2012-01-26 Atlas Advisory Partners, Llc Passive Demographic Measurement Apparatus
CN102509092A (zh) * 2011-12-12 2012-06-20 北京华达诺科技有限公司 体感手势识别方法
WO2012149229A2 (en) * 2011-04-27 2012-11-01 Microsoft Corporation Multi-input gestures in hierarchical regions
CN102929547A (zh) * 2012-10-22 2013-02-13 四川长虹电器股份有限公司 智能终端无接触交互方法
CN103118227A (zh) * 2012-11-16 2013-05-22 佳都新太科技股份有限公司 一种基于kinect的摄像机PTZ控制方法、装置和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120019643A1 (en) * 2010-07-26 2012-01-26 Atlas Advisory Partners, Llc Passive Demographic Measurement Apparatus
WO2012149229A2 (en) * 2011-04-27 2012-11-01 Microsoft Corporation Multi-input gestures in hierarchical regions
CN102509092A (zh) * 2011-12-12 2012-06-20 北京华达诺科技有限公司 体感手势识别方法
CN102929547A (zh) * 2012-10-22 2013-02-13 四川长虹电器股份有限公司 智能终端无接触交互方法
CN103118227A (zh) * 2012-11-16 2013-05-22 佳都新太科技股份有限公司 一种基于kinect的摄像机PTZ控制方法、装置和系统

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103853464B (zh) * 2014-04-01 2017-02-15 郑州捷安高科股份有限公司 一种基于Kinect的铁路手信号识别方法
CN103853464A (zh) * 2014-04-01 2014-06-11 郑州捷安高科股份有限公司 一种基于Kinect的铁路手信号识别方法
CN105719429A (zh) * 2014-07-29 2016-06-29 吴诗蕊 一种基于Kinect的跌倒检测及报警系统及其操作方法
CN104239119A (zh) * 2014-08-27 2014-12-24 广东电网公司教育培训评价中心 一种基于kinect实现电力培训仿真的方法及系统
CN104353240A (zh) * 2014-11-27 2015-02-18 北京师范大学珠海分校 基于Kinect的跑步机系统
CN105718845A (zh) * 2014-12-03 2016-06-29 同济大学 一种室内场景中人体动作的实时侦测方法及装置
CN104933734B (zh) * 2015-06-26 2017-11-28 西安理工大学 一种基于多kinect的人体姿态数据融合方法
CN104933734A (zh) * 2015-06-26 2015-09-23 西安理工大学 一种基于多kinect的人体姿态数据融合方法
CN105447466A (zh) * 2015-12-01 2016-03-30 深圳市图灵机器人有限公司 一种基于Kinect传感器的身份综合识别方法
CN105447466B (zh) * 2015-12-01 2019-07-23 深圳市图灵机器人有限公司 一种基于Kinect传感器的身份综合识别方法
CN106774896B (zh) * 2016-12-19 2018-03-13 吉林大学 一种坐式手工装配线模特值评测系统
CN106774896A (zh) * 2016-12-19 2017-05-31 吉林大学 一种坐式手工装配线模特值评测系统
CN106980116A (zh) * 2017-04-09 2017-07-25 复旦大学 基于Kinect摄像头的高精度室内人物测距方法
CN106980116B (zh) * 2017-04-09 2021-06-22 复旦大学 基于Kinect摄像头的高精度室内人物测距方法
CN107301370A (zh) * 2017-05-08 2017-10-27 上海大学 一种基于Kinect三维骨架模型的肢体动作识别方法
CN107180235A (zh) * 2017-06-01 2017-09-19 陕西科技大学 基于Kinect的人体动作识别算法
CN107392131A (zh) * 2017-07-14 2017-11-24 天津大学 一种基于人体骨骼节点距离的动作识别方法
CN107783652A (zh) * 2017-10-17 2018-03-09 广州杰赛科技股份有限公司 虚拟现实的实现方法、系统和装置
CN107783652B (zh) * 2017-10-17 2020-11-13 广州杰赛科技股份有限公司 虚拟现实的实现方法、系统和装置
CN110781857A (zh) * 2019-11-05 2020-02-11 北京沃东天骏信息技术有限公司 运动监控方法、装置、系统和存储介质
CN110781857B (zh) * 2019-11-05 2022-09-06 北京沃东天骏信息技术有限公司 运动监控方法、装置、系统和存储介质
CN114783059A (zh) * 2022-04-20 2022-07-22 浙江东昊信息工程有限公司 一种基于深度相机的寺庙香客参拜管理方法和系统

Also Published As

Publication number Publication date
CN103529944B (zh) 2016-06-15

Similar Documents

Publication Publication Date Title
CN103529944A (zh) 一种基于Kinect的人体动作识别方法
US11907848B2 (en) Method and apparatus for training pose recognition model, and method and apparatus for image recognition
US11532127B2 (en) Virtual object driving method, apparatus, electronic device, and readable storage medium
CN106826838B (zh) 一种基于Kinect视觉深度传感器的交互仿生机械臂控制方法
WO2019218457A1 (zh) 基于手臂动作捕捉的虚拟现实驱动方法及虚拟现实系统
CN105252532A (zh) 动作捕捉机器人协同柔性姿态控制的方法
CN108595008B (zh) 基于眼动控制的人机交互方法
CN1304931C (zh) 一种头戴式立体视觉手势识别装置
US20130010071A1 (en) Methods and systems for mapping pointing device on depth map
CN110570455A (zh) 一种面向房间vr的全身三维姿态跟踪方法
EP3628380B1 (en) Method for controlling virtual objects, computer readable storage medium and electronic device
CN103977539B (zh) 颈椎康复保健辅助训练系统
CN109243575B (zh) 一种基于移动交互和增强现实的虚拟针灸方法及系统
US9008442B2 (en) Information processing apparatus, information processing method, and computer program
CN104858852B (zh) 类人机器人实时模仿人体上肢动作的优化与约束方法
CN109732593B (zh) 一种机器人的远端控制方法、装置及终端设备
CN102830798A (zh) 单臂机器人基于Kinect的无标记人手跟踪方法
WO2022227664A1 (zh) 机器人姿态的控制方法、机器人、存储介质及计算机程序
WO2023160356A1 (zh) 一种增强虚拟现实系统用户体验的方法及系统
CN203630822U (zh) 虚拟影像与真实场景相结合的舞台交互集成系统
CN105034006A (zh) 一种基于LeapMotion设备的猜拳机器人及猜拳手势识别方法
CN113496168B (zh) 手语数据采集方法、设备、存储介质
Gai et al. Mobile shopping cart application using kinect
CN116175582A (zh) 一种基于机器视觉的智能机械臂操控系统及控制方法
CN114200934A (zh) 机器人目标跟随控制方法、装置、电子设备和存储介质

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