CN104392204B - 姿态识别方法及姿态识别装置 - Google Patents

姿态识别方法及姿态识别装置 Download PDF

Info

Publication number
CN104392204B
CN104392204B CN201410563393.7A CN201410563393A CN104392204B CN 104392204 B CN104392204 B CN 104392204B CN 201410563393 A CN201410563393 A CN 201410563393A CN 104392204 B CN104392204 B CN 104392204B
Authority
CN
China
Prior art keywords
space
destination object
posture
distributed intelligence
humidity
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.)
Active
Application number
CN201410563393.7A
Other languages
English (en)
Other versions
CN104392204A (zh
Inventor
周涵宁
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.)
Beijing Zhigu Ruituo Technology Services Co Ltd
Original Assignee
Beijing Zhigu Ruituo Technology Services 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 Beijing Zhigu Ruituo Technology Services Co Ltd filed Critical Beijing Zhigu Ruituo Technology Services Co Ltd
Priority to CN201410563393.7A priority Critical patent/CN104392204B/zh
Publication of CN104392204A publication Critical patent/CN104392204A/zh
Application granted granted Critical
Publication of CN104392204B publication Critical patent/CN104392204B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请实施例提供了一种姿态识别方法及姿态识别装置。所述方法包括:获取目标对象所在的目标空间的空间湿度分布信息;至少根据所述空间湿度分布信息,识别所述目标对象至少一时刻的姿态。本申请各实施例的方法及装置通过目标对象所在空间的湿度分布信息识别目标对象的姿态,对目标空间的环境条件要求较少,简单易行适用范围广。

Description

姿态识别方法及姿态识别装置
技术领域
本申请各实施例涉及姿态识别技术领域,尤其涉及一种姿态识别方法及姿态识别装置。
背景技术
随着技术的进步和市场的发展,人们的工作和生活中越来越多的依赖于智能设备,例如,游戏/娱乐设备、监控设备、各种智能设备等等。对于此类设备,能够准确分析、理解用户的活动,以观察、监控用户、或者与用户交互是非常重要的,且由此能够为用户使用这样的设备带来很大便利。对用户姿态的识别无疑将具有广泛的应用前景,可应用的场景包括:体感游戏的输入、跌倒检测、身份识别、智能设备的控制,等等。因此,需要一种适用简单易行且较准确的姿态识别方案。
发明内容
有鉴于此,本申请实施例的一个目的在于提供一种姿态识别方案。
为实现上述目的,根据本申请实施例的第一方面,提供一种姿态识别方法,所述方法包括:
获取目标对象所在的目标空间的空间湿度分布信息;
至少根据所述空间湿度分布信息,识别所述目标对象至少一时刻的姿态。
根据本申请实施例的第二方面,提供一种姿态识别装置,所述装置包括:
一第一获取模块,用于获取目标对象所在的目标空间的空间湿度分布信息;
一识别模块,用于至少根据所述空间湿度分布信息,识别所述目标至少一时刻对象的姿态。
本申请实施例的方法及装置通过目标对象所在空间的湿度分布信息识别目标对象的姿态,对目标空间的环境条件要求较少,简单易行适用范围广。
附图说明
图1为本申请实施例的姿态识别方法的流程图;
图2(a)和图2(b)为本申请实施例的姿态识别方法中所使用的电容传感器阵列在目标空间中的部署示意图;
图2(c)为一种示例的人体湿度分布示意图;
图3(a)至图3(f)为本申请实施例的姿态识别装置的结构图;
图4为本申请实施例另一种姿态识别装置的结构图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
本领域技术人员可以理解,本申请中的“第一”、“第二”等术语仅用于区别不同设备、模块或参数等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
在本申请各实施例中,目标对象通常指人,但是,任何具有汗腺的哺乳类动物均可作为所述目标对象,目标空间为目标对象所在的整个物理空间,例如,房间,也可以是目标对象所在的物理空间中的某一区域,例如,房间中的一小块区域,该区域的大小可对应于将在本申请实施例中所描述的至少一湿敏元件的感测范围。汗腺是皮肤的附属器官之一,属于一种外分泌腺,遍布于哺乳类动物的全身。出汗时,目标对象皮肤附近的湿度会增大,尤其在汗腺开口较集中的足、腋窝、额、外生殖器等处,出汗时目标对象皮肤附近湿度增大较明显的位置在目标对象上的分布是有一定规律的。所述姿态指目标对象在某一时刻所呈现的样子,本申请各实施例基于此,提供了一种通过目标对象所在空间的湿度分布来识别目标对象姿态的方案。
如图1所示,本申请实施例的姿态识别方法包括:
S120.获取目标对象所在的目标空间的空间湿度分布信息。
目标空间的湿度分布是可以被监控的。在理想情况下,由于目标对象运动或其他原因导致汗腺分泌汗液时,目标空间的空间湿度分布将叠加上目标对象的湿度特征,目标对象皮肤附近尤其对应于目标对象汗腺开口较集中的足、腋窝、额、外生殖器等处附近的空间湿度将增加,此种情况下能够监控到的湿度分布特征更明显。为了识别目标对象的姿态,在步骤S120中获取目标空间中的某一时刻或多个时刻的空间湿度分布信息。
S140.至少根据所述空间湿度分布信息,识别所述目标对象至少一时刻的姿态。
如上所述,根据目标对象在不同时刻不同姿态下的湿度分布特征,能够在步骤S120所获取的空间湿度分布信息中匹配出各时刻对应姿态的目标对象,进而实现根据所获得的空间湿度分布信息识别目标对象的姿态。
综上所述,本申请实施例的方法通过目标对象所在空间的湿度分布信息识别目标对象的姿态,由于湿度信息的获取不受限于目标空间的其他设施的遮挡等,对目标空间的环境条件要求较少,简单易行适用范围广。
在步骤S120中,可通过至少一湿敏元件获取所述空间湿度分布信息,例如,湿敏电阻、湿敏电容等等。也即,步骤S120可包括:
S122.通过至少一湿敏元件获取所述空间湿度分布信息。
为了获得精确的空间湿度分布信息,尤其是获得包含所述目标对象的区域的湿度分布信息,所述至少一湿敏元件通常以阵列的形式部署在所述目标空间中,且所形成的阵列所占区域应尽可能大,使得能够感测湿度的范围至少将所述目标对象包含在内。
在一种可能的实现方式中,所述湿敏元件为电容传感器,所述至少一湿敏元件为电容传感器阵列。电容传感器是将被测量的变化转换成电容量变化的一种传感器。把被测的机械量等转换为电容量变化的传感器。它的敏感部分就是具有可变参数的电容器。本申请实施例的方法中的电容传感器阵列中的每个电容传感器均可为由两个平行电极组成、极间以空气为介质的平板电容器。忽略边缘效应,平板电容器的电容为εA/δ,式中ε为极间介质的介电常数,A为两电极互相覆盖的有效面积,δ为两电极之间的距离,极间介质的湿度发生变化将引起介电常数的变化,进而引起电容传感器电容的变化。在本申请实施例的方法中,可采用的电容传感器阵列在所述目标空间中的部署形式如图2(a)和图2(b)所示。在图2(a)所示的部署中,电容传感器阵列由两部分组成,且两部分分别部署在所述目标空间中相对的两个二维墙面上,且其中一个墙面上为各电容传感器的一个平板电极组成的阵列222,与阵列222所在墙面相对的墙面上部署各电容传感器的另一个平板电极组成的阵列224,两面墙上的平板电极两两相对形成多个电容传感器,以每个电容传感器的平板电极以目标空间中所存在的空气、目标对象以及其它可能的障碍设施为极间介质,每个电容传感器对应在所述目标空间中的唯一的二维坐标。电容传感器阵列之间介质仅为空气或空气和其他均匀介质(湿度分布均匀)时,各时刻均能通过电容传感器的电容获得一基本恒定的目标空间的标准湿度分布。不同姿态的目标对象处于目标空间时,将在各电容传感器平板电极介质介电常数中叠加该目标对象自身湿度的影响,从而在每个电容传感器的电容叠加目标对象的影响,尤其在不同姿态的目标对象出汗引起其皮肤附近湿度变化时这种影响更明显。读取电容传感器阵列的信号得到对应的介电常数再转化为湿度信息,对应每个电容传感器的二维位置坐标,可生成一电容传感器之间的空间一剖面的二维空间湿度分布信息,例如,该空间投影在阵列222或224所在平面上的二维空间湿度分布信息,该分布在所述标准湿度分布的基础上叠加了特定姿态的目标对象的湿度分布特征。可将该二维空间湿度信息作为例如绘图软件(Surfer)的输入,得到各湿度信息获取时刻对应的二维剖面的空间湿度信息分布图,在该空间湿度分布图中,包括该时刻特定姿态的目标对象的湿度分布特征。在图2(b)所示的部署中包括两组电容传感器阵列,一电容传感器阵列包括设置在所述目标空间中两两相对的二维平面上的平板电极组成的阵列222以及平板电极组成的阵列224;另一电容传感器阵列包括设置在所述目标空间中两两相对的二维平面上的平板电极组成的阵列242以及平板电极组成的阵列244,且未相对的两个平板电极阵列也不在一个平面上,例如在图2(b)中,阵列222与阵列242设置在相互垂直的两个墙面上,与图2(a)所示的电容传感器阵列类似,根据每个电容传感器阵列至少一时刻所采集到的湿度信息可得到目标空间的对应时刻的两个剖面的二维空间湿度分布信息,根据两个剖面的二维空间湿度分布信息能够提高姿态识别的精度,尤其是目标空间中存在不止一个目标对象时,可根据多个二维湿度分布信息尤其是不同视角的二维湿度分布信息将不同的目标对象区分开。且根据能够得到的至少两个二维空间湿度信息分布图,应用已成熟的现有技术,可以将二维空间湿度分布图转化成三维空间湿度分布图,使得姿态识别更直观。
需要说明的是,图2(a)和图2(b)以规则的目标空间以及平面墙面为例进行说明,但是,本申请各实施例的方法中的电容传感器阵列也可设置在不规则的目标空间和/或非平面的墙面上。且由于电容传感器感知湿度变化不需要任何其他触发条件,例如,光照等,且电容变化不依赖于视线传输条件等,加之目标空间中通常为均匀介质的障碍物,使得使用电容传感器获得湿度信息不受障碍限制,电容器阵列的构成方式也可不像图2(a)和图2(b)中所示的那样由规则排列的平板电极构成的规则形状,也可为离散的部署的平板电极形成的不规则形状。
此外,为了实现本申请实施例的方法识别姿态的目的,还需要已知目标对象不同姿态下的湿度分布特征数据,以能够在所获取的目标空间湿度分布信息中匹配出具有对应湿度分布特征的部分,进而识别目标对象的姿态。也即,本申请实施例的方法还包括:
S110.获取所述目标对象不同姿态下的湿度分布特征数据。
相应地,步骤S140包括:
S142.将所述空间湿度分布信息与所述湿度分布特征数据做匹配,识别所述目标对象的姿态。
所述目标对象在不同姿态下的湿度分布特征数据可直接存储在本申请实施例的方法的执行主体中,也可为该执行主体从外部设备获取的,或者,可通过预先建立训练集获得并存储在该执行主体中的,也即,针对每种类型的目标对象,实际测量采集目标对象不同姿态下的湿度分布信息,根据标准的目标对象三维模型,以及对应的目标对象的姿态,仿真出不同姿态下的目标对象的湿度分布,如图2(c)所示,为人体在图2(c)所示的姿态下的二维剖面湿度分布图,图中圆圈圈出的部分为示例的汗腺开口较集中也即湿度较大的部位,这些部位在不同姿态下的湿度分布图中的位置不同,本申请实施例的方法也即通过这些部位的位置特征来识别对应的姿态的。通过足够多的样本,能够建立多种姿态下的这样的湿度分布特征数据库。
此外,由于在目标空间中除了目标对象引起的湿度变化外,目标空间整体环境湿度也可能由于某种原因而出现变化,因此,为了提高本申请实施例的方法的识别精度,可以去除环境整体变化引起的湿敏元件的测量值波动。例如,在处理湿敏元件所获取的湿度数据时,通过像梯度滤波器或高斯函数的差分这样的算法,设置适当的湿度阈值,滤除采集到的湿度数据中对应目标空间的环境湿度分量。再例如,根据所获取到的湿度分布的峰值,定位湿度较大也即目标对象汗腺密集的区域,然后在汗腺密集的区域之间建立Graph模型。由于目标空间整体湿度变化不影响其湿度分布的峰值的空间位置,所以Graph模型不受目标空间整体湿度的影响。
为了进一步提高本申请实施例的方法识别姿态的精度,还可结合其他识别手段。在一种可能的实现方式中,本申请实施例的方法还可包括:
S160.获取所述目标空间的光学图像。该光学图像可为例如基于设置在目标空间中的视觉传感器(摄像头等)获得的目标空间的图像,基于图像处理能够识别目标空间的各对象分布也能够在一定程度上识别目标对象的姿态,在空间湿度分布信息的基础上结合将该光学图像,能够提高目标对象的姿态识别精度,例如,可根据该光学图像定位进而剔除障碍设施或其他对象等造成的干扰,等等。相应地,步骤S140可进一步包括:
S144.至少根据所述空间湿度分布信息以及所述光学图像,识别所述目标对象的姿态。
在一种可能的实现方式中,本申请实施例的方法还可包括:
S170.获取所述目标空间的深度图像。
该深度图像可为例如基于设置在目标空间中的深度传感器(TOF深度传感器等)获得的目标空间的深度图像,基于该深度信息图像能够获得目标空间的深度信息也能够在一定程度上识别目标独享的姿态,在空间湿度分布信息的基础上结合将该深度图像,能够提高目标对象的姿态识别精度,例如,可根据该深度图像定位进而剔除障碍设施或其他对象等造成的干扰,等等。相应地,步骤S140可进一步包括:
S146.至少根据所述空间湿度分布信息以及所述深度图像,识别所述目标对象的姿态。
本申请实施例的方法中也可同时结合光学图像以及深度图像,进而实现更高的识别精度。也即,如图3(f)所示,本申请实施例的方法还可包括:
S180.获取所述目标空间的光学图像及深度图像。
相应地,步骤S140可进一步包括:
S148.至少根据所述空间湿度分布信息、所述光学图像以及所述深度图像,识别所述目标对象的姿态。
综上,本申请实施例的方法通过对目标对象空间湿度分布信息识别目标对象的姿态,简单易行适用范围广,且能够满足一定的精度要求。
本领域技术人员可以理解,在本申请具体实施方式的上述方法中,各步骤的序号大小并不意味着执行顺序的先后,各步骤的执行顺序应以其功能和内在逻辑确定,而不应对本申请具体实施方式的实施过程构成任何限定。
此外,本申请实施例还提供了一种计算机可读介质,包括在被执行时进行以下操作的计算机可读指令:执行上述图1所示实施方式中的方法的各步骤的操作。
本申请实施例还提供了一种执行上述姿态识别方法的姿态识别装置,在上述方法实施例中所提到的用于获取各种信息和图像数据的传感器,可属于本申请实施例的装置,或本申请实施例的装置能够获取各传感器的数据,相应地,除以下描述的各组成部分外,所述装置还包括可根据需要实现与装置外部任意设备通信的通信模块。如图3(a)所示,本申请实施例的姿态识别300包括:
第一获取模块320,用于获取目标对象所在的目标空间的空间湿度分布信息。
目标空间的湿度分布是可以被监控的。在理想的情况下,由于目标对象因运动或其他原因使得汗腺分泌汗液时,目标空间的空间湿度分布将叠加上目标对象的湿度特征,目标对象皮肤附近尤其对应于目标对象汗腺开口较集中的足、腋窝、额、外生殖器等处附近的空间湿度将增加。为了识别目标对象的姿态,第一获取模块320获取目标空间中的空间湿度分布信息。
识别模块340,用于至少根据所述空间湿度分布信息,识别所述目标对象至少一时刻的姿态。
如上所述,识别模块340根据目标对象在不同时刻不同姿态下的湿度分布特征,能够在第一获取模块320所获取的空间湿度分布信息中匹配出各时刻对应姿态的目标对象,进而实现根据所获得的空间湿度分布信息识别目标对象对应的姿态。
综上所述,本申请实施例的装置通过目标对象所在空间的湿度分布信息识别目标对象的姿态,由于湿度信息的获取不受限于目标空间的其他设施的遮挡等,对目标空间的环境条件要求较少,简单易行适用范围广。
第一获取模块320可通过至少一湿敏元件获取所述空间湿度分布信息,例如,湿敏电阻、湿敏电容等等。如图3(b)所示的,第一获取模块320可包括:
获取单元322,用于通过至少一湿敏元件获取所述空间湿度分布信息。
在本申请实施例的装置中,第一获取模块320可通过与至少一湿敏元件通信获取所述空间湿度分布信息,所述至少一湿敏元件可属于本实施例的装置300,也可独立于本实施例的装置300,或者第一获取模块320本身即包括所述至少一湿敏元件。
为了获得精确的空间湿度分布信息,尤其是获得包含所述目标对象的区域的湿度分布信息,所述至少一湿敏元件通常以阵列的形式部署在所述目标空间中,且所形成的阵列所占区域应尽可能大,使得能够感测湿度的范围至少将所述目标对象包含在内。
在一种可能的实现方式中,所述湿敏元件为电容传感器,所述至少一湿敏元件为电容传感器阵列。电容传感器是将被测量的变化转换成电容量变化的一种传感器。把被测的机械量等转换为电容量变化的传感器。它的敏感部分就是具有可变参数的电容器。本申请实施例的装置中的电容传感器阵列中的每个电容传感器均可为由两个平行电极组成、极间以空气为介质的平板电容器。忽略边缘效应,平板电容器的电容为εA/δ,式中ε为极间介质的介电常数,A为两电极互相覆盖的有效面积,δ为两电极之间的距离,极间介质的湿度发生变化将引起介电常数的变化,进而引起电容传感器电容的变化。在本申请实施例的装置中,可采用的电容传感器阵列在所述目标空间中的部署形式如图2(a)和图2(b)所示。在图2(a)所示的部署中,电容传感器阵列由两部分组成,且两部分分别部署在所述目标空间中相对的两个二维墙面上,且其中一个墙面上为各电容传感器的一个平板电极组成的阵列222,与阵列222所在墙面相对的墙面上部署各电容传感器的另一个平板电极组成的阵列224,两面墙上的平板电极两两相对形成多个电容传感器,以每个电容传感器的平板电极以目标空间中所存在的空气、目标对象以及其它可能的障碍设施为极间介质,每个电容传感器对应在所述目标空间中的唯一的二维坐标。电容传感器阵列之间介质仅为空气或空气和其他均匀介质(湿度分布均匀)时,各时刻均能通过电容传感器的电容获得一基本恒定的目标空间的标准湿度分布。不同姿态的目标对象处于目标空间时,将在各电容传感器平板电极介质介电常数中叠加该目标对象自身湿度的影响,从而在每个电容传感器的电容叠加目标对象的影响,尤其在不同姿态的目标对象出汗引起其皮肤附近湿度变化时这种影响更明显。读取电容传感器阵列的信号得到对应的介电常数再转化为湿度信息,对应每个电容传感器的二维位置坐标,可生成一电容传感器之间的空间一剖面的二维空间湿度分布信息,例如,该空间投影在阵列222或224所在平面上的二维空间湿度分布信息,该分布在所述标准湿度分布的基础上叠加了特定姿态的目标对象的湿度分布特征。可将该二维空间湿度信息作为例如绘图软件(Surfer)的输入,得到各湿度信息获取时刻对应的二维剖面的空间湿度信息分布图,在该空间湿度分布图中,包括该时刻特定姿态的目标对象的湿度分布特征。在图2(b)所示的部署中包括两组电容传感器阵列,一电容传感器阵列包括设置在所述目标空间中两两相对的二维平面上的平板电极组成的阵列222以及平板电极组成的阵列224;另一电容传感器阵列包括设置在所述目标空间中两两相对的二维平面上的平板电极组成的阵列242以及平板电极组成的阵列244,且未相对的两个平板电极阵列也不在一个平面上,例如在图2(b)中,阵列222与阵列242设置在相互垂直的两个墙面上,与图2(a)所示的电容传感器阵列类似,根据每个电容传感器阵列至少一时刻所采集到的湿度信息可得到目标空间的对应时刻的两个剖面的二维空间湿度分布信息,根据两个剖面的二维空间湿度分布信息能够提高姿态识别的精度,尤其是目标空间中存在不止一个目标对象时,可根据多个二维湿度分布信息尤其是不同视角的二维湿度分布信息将不同的目标对象区分开。且根据能够得到的至少两个二维空间湿度信息分布图,应用已成熟的现有技术,可以将二维空间湿度分布图转化成三维空间湿度分布图,使得姿态识别更直观。
需要说明的是,图2(a)和图2(b)以规则的目标空间以及平面墙面为例进行说明,但是,本申请各实施例的装置中的电容传感器阵列也可设置在不规则的目标空间和/或非平面的墙面上。且由于电容传感器感知湿度变化不需要任何其他触发条件,例如,光照等,且电容变化不依赖于视线传输条件等,加之目标空间中通常为均匀介质的障碍物,使得使用电容传感器获得湿度信息不受障碍限制,电容器阵列的构成方式也可不像图2(a)和图2(b)中所示的那样由规则排列的平板电极构成的规则形状,也可为离散的部署的平板电极形成的不规则形状。
此外,为了实现本申请实施例的装置识别姿态的目的,还需要已知目标对象不同姿态下的湿度分布特征数据,以能够在所获取的目标空间湿度分布信息中匹配出具有对应湿度分布特征的部分,进而识别目标对象的姿态。也即,如图3(c)所示,本申请实施例的装置300还包括:
第二获取模块310,用于获取所述目标对象不同姿态下的湿度分布特征数据。
相应地,识别模块340可进一步包括:
第一识别单元342,用于将所述空间湿度分布信息与所述湿度分布特征数据做匹配,识别所述目标对象的姿态。
所述目标对象在不同姿态下的湿度分布特征数据可直接存储在本申请实施例的装置300中,也可为该装置300从外部设备获取的,或者,可通过预先建立训练集获得并存储在该执行主体中的,也即,针对每种类型的目标对象,实际测量采集目标对象不同姿态下的湿度分布信息,根据标准的目标对象三维模型,以及对应的目标对象的姿态,仿真出不同姿态下的目标对象的湿度分布,如图2(c)所示,为人体在图2(c)所示的姿态下的二维剖面湿度分布图,图中圆圈圈出的部分为示例的汗腺开口较集中也即湿度较大的部位,这些部位在不同姿态下的湿度分布图中的位置不同,本申请实施例的装置也即通过这些部位的位置特征来识别对应的姿态的。通过足够多的样本,能够建立多种姿态下的这样的湿度分布特征数据库。
此外,由于在目标空间中,除了目标对象引起的湿度变化外,目标空间整体环境湿度也可能由于某种原因而出现变化,因此,为了提高本申请实施例的装置的识别精度,装置300还可包括去除环境整体变化引起的湿敏元件的测量值波动的模块。例如,该模块在处理湿敏元件所获取的湿度数据时,通过像梯度滤波器或高斯函数的差分这样的算法,设置适当的湿度阈值,滤除采集到的湿度数据中对应目标空间的环境湿度分量。再例如,根据所获取到的湿度分布的峰值,定位湿度较大也即目标对象汗腺密集的区域,然后在汗腺密集的区域之间建立Graph模型。由于目标空间整体湿度变化不影响其湿度分布的峰值的空间位置,所以Graph模型不受目标空间整体湿度的影响。
为了进一步提高本申请实施例的装置识别姿态的精度,还可结合其他识别手段。如图3(d)所示,在一种可能的实现方式中,本申请实施例的装置300还可包括:
第三获取模块360,用于获取所述目标空间的光学图像。该光学图像可为例如基于设置在目标空间中的视觉传感器(摄像头等)获得的目标空间的图像,基于图像处理能够识别目标空间的各对象分布也能够在一定程度上识别目标对象的姿态,在空间湿度分布信息的基础上结合将该光学图像,能够提高目标对象的姿态识别精度,例如,可根据该光学图像定位进而剔除障碍设施或其他对象等造成的干扰,等等。相应地,识别模块340还可进一步包括:
第二识别单元344,用于至少根据所述空间湿度分布信息以及所述光学图像,识别所述目标对象的姿态。
在本申请实施例的装置中,第三获取模块360可通过与视觉传感器通信获取所述光学图像,所述视觉传感器可属于本实施例的装置300,也可独立于本实施例的装置300,或者第三获取模块360本身即包括所述视觉传感器。
如图3(e)所示,在一种可能的实现方式中,本申请实施例的装置300还可包括:
第四获取模块370,用于获取所述目标空间的深度图像。
该深度图像可为例如基于设置在目标空间中的深度传感器(TOF深度传感器等)获得的目标空间的深度图像,基于该深度信息图像能够获得目标空间的深度信息也能够在一定程度上识别目标独享的姿态,在空间湿度分布信息的基础上结合将该深度图像,能够提高目标对象的姿态识别精度,例如,可根据该深度图像定位进而剔除障碍设施或其他对象等造成的干扰,等等。相应地,识别模块340可进一步包括:
第三识别单元346,用于至少根据所述空间湿度分布信息以及所述深度图像,识别所述目标对象的姿态。
在本申请实施例的装置中,第四获取模块370可通过与所述深度传感器通信获取所述空间湿度分布信息,所述深度传感器可属于本实施例的装置300,也可独立于本实施例的装置300,或者第四获取模块370本身即包括所述深度传感器。
本申请实施例的装置中也可同时结合光学图像以及深度图像,进而实现更高的识别精度。也即,如图3(f)所示,本申请实施例的装置300还可包括:
第五获取模块380,用于获取所述目标空间的光学图像及深度图像。
相应地,识别模块340还可进一步包括:
第四识别单元348,用于至少根据所述空间湿度分布信息、所述光学图像以及所述深度图像,识别所述目标对象的姿态。
在本申请实施例的装置中,第五获取模块380可通过与所述视觉传感器以及深度传感器通信获取所述空间湿度分布信息,所述视觉传感器和深度传感器可属于本实施例的装置300,也可独立于本实施例的装置300,或者第五获取模块380本身即包括所述视觉传感器和深度传感器。
综上,本申请实施例的装置通过目标对象空间湿度分布信息识别目标对象的姿态,简单易行适用范围广,且能够满足一定的精度要求。
图4为本申请实施例提供的另一种姿态识别装置400的结构示意图,本申请具体实施例并不对姿态识别装置400的具体实现做限定。如图4所示,该姿态识别装置400可以包括:
处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430、以及通信总线440。其中:
处理器410、通信接口420、以及存储器430通过通信总线440完成相互间的通信。
通信接口420,用于与比如客户端等的网元通信。
处理器410,用于执行程序432,具体可以实现上述图3(a)的装置实施例中姿态识别装置的相关功能。
具体地,程序432可以包括程序代码,所述程序代码包括计算机操作指令。
处理器410可能是一个中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。程序432具体可以用于使得所述姿态识别装置400执行以下步骤:
获取目标对象所在的目标空间的空间湿度分布信息;
至少根据所述空间湿度分布信息,识别所述目标对象至少一时刻的姿态。
程序432中各步骤的具体实现可以参见上述实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述装置实施例中的对应描述,在此不再赘述。
尽管此处所述的主题是在结合操作系统和应用程序在计算机系统上的执行而执行的一般上下文中提供的,但本领域技术人员可以认识到,还可结合其他类型的程序模块来执行其他实现。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构和其他类型的结构。本领域技术人员可以理解,此处所述的本主题可以使用其他计算机系统配置来实践,包括手持式设备、多处理器系统、基于微处理器或可编程消费电子产品、小型计算机、大型计算机等,也可使用在其中任务由通过通信网络连接的远程处理设备执行的分布式计算环境中。在分布式计算环境中,程序模块可位于本地和远程存储器存储设备的两者中。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对原有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读取存储介质包括以存储如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方式或技术来实现的物理易失性和非易失性、可移动和不可因东介质。计算机可读取存储介质具体包括,但不限于,U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、可擦除可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、闪存或其他固态存储器技术、CD-ROM、数字多功能盘(DVD)、HD-DVD、蓝光(Blue-Ray)或其他光存储设备、磁带、磁盘存储或其他磁性存储设备、或能用于存储所需信息且可以由计算机访问的任何其他介质。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。

Claims (18)

1.一种姿态识别方法,其特征在于,所述方法包括:
获取目标对象所在的目标空间的空间湿度分布信息;
获取所述目标对象不同姿态下的湿度分布特征数据;
将所述空间湿度分布信息与所述湿度分布特征数据做匹配,识别所述目标对象的姿态。
2.根据权利要求1所述的方法,其特征在于,所述获取目标对象所在的目标空间的空间湿度分布信息包括:
通过至少一湿敏元件获取所述空间湿度分布信息。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取所述目标空间的光学图像。
4.根据权利要求3所述的方法,其特征在于,所述识别所述目标对象至少一时刻的姿态包括:
至少根据所述空间湿度分布信息以及所述光学图像,识别所述目标对象的姿态。
5.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取所述目标空间的深度图像。
6.根据权利要求5所述的方法,其特征在于,所述识别所述目标对象至少一时刻的姿态包括:
至少根据所述空间湿度分布信息以及所述深度图像,识别所述目标对象的姿态。
7.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
获取所述目标空间的光学图像及深度图像。
8.根据权利要求7所述的方法,其特征在于,所述识别所述目标对象至少一时刻的姿态包括:
至少根据所述空间湿度分布信息、所述光学图像以及所述深度图像,识别所述目标对象的姿态。
9.根据权利要求2所述的方法,其特征在于,所述湿敏元件为电容传感器;
所述通过至少一湿敏元件获取所述空间湿度分布信息中:
通过至少设置在所述目标空间两个相对的面上的电容传感器阵列,获取所述空间湿度分布信息。
10.一种姿态识别装置,其特征在于,所述装置包括:
一第一获取模块,用于获取目标对象所在的目标空间的空间湿度分布信息;
一第二获取模块用于获取所述目标对象不同姿态下的湿度分布特征数据;
一识别模块,用于将所述空间湿度分布信息与所述湿度分布特征数据做匹配,识别所述目标对象的姿态。
11.根据权利要求10所述的装置,其特征在于,所述第一获取模块包括:
一获取单元,用于通过至少一湿敏元件获取所述空间湿度分布信息。
12.根据权利要求10或11所述的装置,其特征在于,所述装置还包括:
一第三获取模块,用于获取所述目标空间的光学图像。
13.根据权利要求12所述的装置,其特征在于,所述识别模块包括:
一第二识别单元,用于至少根据所述空间湿度分布信息以及所述光学图像,识别所述目标对象的姿态。
14.根据权利要求10或11所述的装置,其特征在于,所述装置还包括:
一第四获取模块,用于获取所述目标空间的深度图像。
15.根据权利要求14所述的装置,其特征在于,所述识别模块包括:
一第三识别单元,用于至少根据所述空间湿度分布信息以及所述深度图像,识别所述目标对象的姿态。
16.根据权利要求10或11所述的装置,其特征在于,所述装置还包括:
一第五获取模块,用于获取所述目标空间的光学图像及深度图像。
17.根据权利要求16所述的装置,其特征在于,所述识别模块包括:
一第四识别单元,用于至少根据所述空间湿度分布信息、所述光学图像以及所述深度图像,识别所述目标对象的姿态。
18.根据权利要求11所述的装置,其特征在于,所述湿敏元件为电容传感器;
所述获取单元通过至少设置在所述目标空间两个相对的面上的电容传感器阵列,获取所述空间湿度分布信息。
CN201410563393.7A 2014-10-21 2014-10-21 姿态识别方法及姿态识别装置 Active CN104392204B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410563393.7A CN104392204B (zh) 2014-10-21 2014-10-21 姿态识别方法及姿态识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410563393.7A CN104392204B (zh) 2014-10-21 2014-10-21 姿态识别方法及姿态识别装置

Publications (2)

Publication Number Publication Date
CN104392204A CN104392204A (zh) 2015-03-04
CN104392204B true CN104392204B (zh) 2018-03-09

Family

ID=52610105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410563393.7A Active CN104392204B (zh) 2014-10-21 2014-10-21 姿态识别方法及姿态识别装置

Country Status (1)

Country Link
CN (1) CN104392204B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107736874B (zh) 2017-08-25 2020-11-20 百度在线网络技术(北京)有限公司 一种活体检测的方法、装置、设备和计算机存储介质
WO2020252615A1 (zh) * 2019-06-17 2020-12-24 华为技术有限公司 一种车辆姿态识别方法及相关设备
CN112741621A (zh) * 2021-01-12 2021-05-04 深圳大学 一种基于电容传感器的姿势识别系统和方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591452A (zh) * 2010-12-08 2012-07-18 欧姆龙株式会社 姿势识别装置、姿势识别方法、控制程序以及记录介质
CN103141080A (zh) * 2010-09-23 2013-06-05 索尼电脑娱乐公司 使用热成像的用户接口系统和方法
CN103390174A (zh) * 2012-05-07 2013-11-13 深圳泰山在线科技有限公司 基于人体姿态识别的体育教学辅助系统和方法
EP2713240A2 (en) * 2012-05-29 2014-04-02 Delphi Technologies, Inc. Non-contact gesture recognition system and method

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040105107A (ko) * 2003-06-05 2004-12-14 현대자동차주식회사 차량용 지문인식 센서의 온도 제어 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103141080A (zh) * 2010-09-23 2013-06-05 索尼电脑娱乐公司 使用热成像的用户接口系统和方法
CN102591452A (zh) * 2010-12-08 2012-07-18 欧姆龙株式会社 姿势识别装置、姿势识别方法、控制程序以及记录介质
CN103390174A (zh) * 2012-05-07 2013-11-13 深圳泰山在线科技有限公司 基于人体姿态识别的体育教学辅助系统和方法
EP2713240A2 (en) * 2012-05-29 2014-04-02 Delphi Technologies, Inc. Non-contact gesture recognition system and method

Also Published As

Publication number Publication date
CN104392204A (zh) 2015-03-04

Similar Documents

Publication Publication Date Title
CN103307975B (zh) 模型生成设备和方法以及信息处理设备和方法
CN106647742B (zh) 移动路径规划方法及装置
Mastorakis et al. Fall detection system using Kinect’s infrared sensor
Dutagaci et al. Evaluation of 3D interest point detection techniques via human-generated ground truth
CN107808407A (zh) 基于双目相机的无人机视觉slam方法、无人机及存储介质
CN100452084C (zh) 图像识别装置及其方法
US11256958B1 (en) Training with simulated images
WO2015186436A1 (ja) 画像処理装置、画像処理方法、および、画像処理プログラム
CN105094335A (zh) 场景提取方法、物体定位方法及其系统
CN112148197A (zh) 增强现实ar交互方法、装置、电子设备及存储介质
CN104781849A (zh) 单眼视觉同时定位与建图(slam)的快速初始化
US11985440B2 (en) Depth based dynamic vision sensor
CN104392204B (zh) 姿态识别方法及姿态识别装置
CN109035330A (zh) 箱体拟合方法、设备和计算机可读存储介质
CN104318248B (zh) 动作识别方法及动作识别装置
CN115956259A (zh) 生成用于虚拟现实体验的基础真实数据集
Diakité et al. First experiments with the tango tablet for indoor scanning
Cheng et al. Mobile robot indoor dual Kalman filter localisation based on inertial measurement and stereo vision
CN109632825A (zh) 一种钢卷表面异常突起的自动检测方法
WO2018119403A1 (en) Head mounted sensor system
NL2025743B1 (en) Augmented reality device and positioning method
CN112631431A (zh) Ar眼镜的位姿确定方法、装置及设备、存储介质
Ham et al. Hand waving away scale
CN106529480A (zh) 一种基于深度信息的指尖检测和手势识别方法与系统
Bansal et al. Elderly people fall detection system using skeleton tracking and recognition

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant