CN108536292A - 一种数据滤波方法及骨骼点坐标精确定位方法 - Google Patents
一种数据滤波方法及骨骼点坐标精确定位方法 Download PDFInfo
- Publication number
- CN108536292A CN108536292A CN201810272336.1A CN201810272336A CN108536292A CN 108536292 A CN108536292 A CN 108536292A CN 201810272336 A CN201810272336 A CN 201810272336A CN 108536292 A CN108536292 A CN 108536292A
- Authority
- CN
- China
- Prior art keywords
- value
- bone
- frame
- weight
- threshold value
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input 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
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input 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
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种数据滤波方法,通过一系列的公式得出原始数据局的与预测值的加权平均,实现滤波的目的;本发明还提供一种骨骼点坐标精确定位方法,通过获取参照基准,得出骨骼点的移动坐标,从而实现骨骼点的精确定位。
Description
技术领域
本发明涉及一种骨骼点矫正方法,尤其涉及一种数据滤波方法及骨骼点坐标精确定位方法。
背景技术
随着人机交互技术的发展,简单的鼠标键盘作为输入设备已经难以满足人们的需求。基于人体自身和语音的自然人机交互技术得到发展。近几年市面上出现了一款图像、音频采集平台—Kinect,它不仅能提供传统彩色相机提供的彩色图像还可以输出深度图像,更进一步的在深度图像的基础上给出人体骨骼图像。但由于该技术本身缺陷,当存在自身遮挡的情况时,骨骼点会出现抖动不定现象,手掌由张开变为握拳的过程中手臂上的骨骼点会发生移动。当使用骨骼点坐标作为输入进行精确控制时,影响控制效果。
发明内容
本发明的主要目的在于提供一种数据滤波方法,用于解决现有技术中的由于Kinect本身技术的缺陷,导致的当使用骨骼点坐标作为输入进行精确控制时,影响控制效果的技术问题。
为了实现上述目的,本发明采取的技术方案为提供一种数据滤波方法,用于解决上述问题:
S1.滤波器部分首先应用尖峰去除滤波器,当相邻帧骨骼坐标变化超过一定阈值thresh1时,用前一帧骨骼坐标平滑值Sn-1和当前帧骨骼坐标Xn的加权作为滤波器的输出第一当前帧权重α,0<α<1时,骨骼坐标变化小于阈值thresh1则直接输出第一帧不做处理;
S2.然后应用双线性平滑滤波器,用前一帧骨骼坐标的平滑值Sn-1加上趋势值vn-1和当前骨骼坐标经尖峰滤波后的值的加权平均作为平滑滤波器的输出Sn,前者权重为β(0<β<1),趋势值vn由平滑值之差和前一帧趋势值vn-1的加权平均计算得到,前者权重为γ(0<γ<1),第一帧趋势值为0,平滑值为原始数据;
S3.通过平滑值Sn、预测值vn以及因子λ(0<λ<1)得出预测值Pn;
S4.最后判断预测值vn与原始数据之间的距离,若差值||Pn-Xn||小于阈值radius,则用预测值vn作为最终输出Yn,否则用原始数据与预测值vn的加权平均作为输出,前者权重为阈值radius与差值||Pn-Xn||的比值。
优选地,当第一前帧权重α=0.03所述、所述阈值thresh1=0.05。
优选地,所述权重为β=0.5、所述权重γ=0.5。
优选地,所述因子λ=0.5。
优选地,所述阈值radius=0.04。
此外,为实现上述目的,本发明还提供一种骨骼点校正的方法,首先两手臂张开并且两手掌张开作为校准骨骼长度的标志,获得大臂和小臂的长度;
然后以肩部骨骼点为基准结合大臂长度矫正肘部骨骼点,以肘部骨骼点为基准矫正手部骨骼点;
当待矫正骨骼点Jx,n与基准骨骼点Jo,n距离与手臂长度lox之差小于阈值thresh2,则以当前骨骼点坐标作为输出否则以当前帧Jx,n与前一帧Jx,n-1骨骼点的加权平均作为输出,第二当前帧权重为α。
可选地,当系统检测到双手张开时,开始校准手臂长度,采集100帧图像计算手臂骨骼长度的平均值,获得大臂和小臂的长度。
可选地,所述阈值thresh2=0.03,所述第二当前帧权重α=0.1。
本发明的有益效果是:本发明可以解决现有技术中骨骼点坐标抖动不定、手势改变导致手臂骨骼点变化的问题,同时兼顾实时性。
附图说明
图1是本发明提供的骨骼点矫正的流程图。
具体实施方式
下面结合附图说明及具体实施方式对本发明进一步说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种数据滤波方法:
增加滤波器对数据进行平滑和骨骼点坐标矫正。滤波器部分首先应用尖峰去除滤波器,尖峰去除滤波器,是一个滤波器的名字,可以把信号中的尖峰形状的信号过滤掉,使得信号变得平滑;当相邻帧骨骼坐标变化超过一定阈值thresh1时,本发明以thresh1=0.05为例,用前一帧骨骼坐标平滑值Sn-1和当前帧骨骼坐标Xn的加权作为滤波器的输出第一当前帧权重α(0<α<1)很小时,例如当第一当前帧权重α=0.03时,骨骼坐标变化小于阈值thresh1则直接输出,第一帧不做处理,其具体计算公式如下所示:
然后应用双线性平滑滤波器,用前一帧骨骼坐标的平滑值Sn-1加上趋势值vn-1和当前骨骼坐标经尖峰滤波后的值的加权平均作为平滑滤波器的输出Sn,前者权重为β(0<β<1),本发明以前者权重β=0.5为例,趋势值vn由平滑值之差和前一帧趋势值vn-1的加权平均计算得到,前者权重为γ(0<γ<1),以γ=0.5为例,第一帧趋势值为0,计算平滑值为原始数据,具体计算公式如下所示:
接着给出预测值Pn,平滑值Sn加上预测值vn乘以因子λ=0.5,计算公式如下:
Pn=Sn+λvn
最后判断预测值是否离原始数据过远,若差值||Pn-Xn||小于一定阈值radius,比如说radius=0.04,则用预测值作为最终输出Yn,否则用原始数据与预测值的加权平均作为输出,前者权重为阈值radius与差值||Pn-Xn||的比值。
本发明还提供一种骨骼点矫正方法,包括以下步骤:
骨骼点坐标矫正部分,当检测到双手张开时开始校准手臂长度,采集100帧图像计算手臂骨骼长度平均值,获得大臂和小臂的长度,然后先以肩部骨骼点为基准结合大臂长度矫正肘部骨骼点,后以肘部骨骼点为基准矫正手部骨骼点。具体矫正方式为,当待矫正骨骼点Jx,n与基准骨骼点Jo,n距离与手臂长度lox之差小于阈值thresh2=0.03,则以当前骨骼点坐标作为输出否则以当前帧Jx,n与前一帧Jx,n-1骨骼点的加权平均作为输出,当前帧权重为α=0.1,其具体计算公式为:
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种数据滤波方法,其特征在于,包括步骤:
S1.滤波器部分首先应用尖峰去除滤波器,当相邻帧的骨骼坐标变化超过一定阈值thresh1时,用前一帧骨骼坐标平滑值Sn-1和当前帧骨骼坐标Xn的加权作为滤波器的输出第一当前帧权重α,0<α<1时,骨骼坐标变化小于阈值thresh1则直接输出第一帧不做处理;
S2.然后应用双线性平滑滤波器,用前一帧骨骼坐标的平滑值Sn-1加上趋势值vn-1和当前骨骼坐标经尖峰滤波后的值的加权平均作为平滑滤波器的输出Sn,前者权重为β(0<β<1),趋势值vn由平滑值之差和前一帧趋势值vn-1的加权平均计算得到,前者权重为γ(0<γ<1),第一帧趋势值为0,平滑值为原始数据;
S3.通过平滑值Sn、预测值vn以及因子λ(0<λ<1)得出预测值Pn;
S4.最后判断预测值vn与原始数据之间的距离,若差值||Pn-Xn||小于阈值radius,则用预测值vn作为最终输出Yn,否则用原始数据与预测值vn的加权平均作为输出,前者权重为阈值radius与差值||Pn-Xn||的比值。
2.根据权利要求1所述的数据滤波方法,其特征在于,当第一前帧权重α=0.03所述、所述阈值thresh1=0.05。
3.根据权利要求2所述的数据滤波方法,其特征在于,所述权重为β=0.5、所述权重γ=0.5。
4.根据权利要求3所述的数据滤波方法,其特征在于,所述因子λ=0.5。
5.根据权利要求4所述的数据滤波方法,其特征在于,所述阈值radius=0.04。
6.一种骨骼点校正的方法,其特征在于,首先两手臂张开并且两手掌张开作为校准骨骼长度的标志,获得大臂和小臂的长度;
然后以肩部骨骼点为基准结合大臂长度矫正肘部骨骼点,以肘部骨骼点为基准矫正手部骨骼点;
当待矫正骨骼点Jx,n与基准骨骼点Jo,n距离与手臂长度lox之差小于阈值thresh2,则以当前骨骼点坐标作为输出否则以当前帧Jx,n与前一帧Jx,n-1骨骼点的加权平均作为输出,第二当前帧权重为α。
7.根据权利要求1所述的方法,其特征在于,当系统检测到双手张开时,开始校准手臂长度,采集100帧图像计算手臂骨骼长度的平均值,获得大臂和小臂的长度。
8.根据权利要求7所述的方法,其特征在于,所述阈值thresh2=0.03,所述第二当前帧权重α=0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810272336.1A CN108536292A (zh) | 2018-03-29 | 2018-03-29 | 一种数据滤波方法及骨骼点坐标精确定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810272336.1A CN108536292A (zh) | 2018-03-29 | 2018-03-29 | 一种数据滤波方法及骨骼点坐标精确定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108536292A true CN108536292A (zh) | 2018-09-14 |
Family
ID=63481929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810272336.1A Pending CN108536292A (zh) | 2018-03-29 | 2018-03-29 | 一种数据滤波方法及骨骼点坐标精确定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108536292A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083239A (zh) * | 2019-04-19 | 2019-08-02 | 南京邮电大学 | 一种基于动态赋权和灰色预测下的骨骼抖动检测方法 |
CN110390690A (zh) * | 2019-07-11 | 2019-10-29 | Oppo广东移动通信有限公司 | 深度图处理方法和装置 |
CN110827226A (zh) * | 2019-11-13 | 2020-02-21 | 北京迈格威科技有限公司 | 骨骼点的平滑方法、装置和电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317449A1 (en) * | 2013-01-24 | 2015-11-05 | Kantrack Llc | Medication Delivery System |
CN106650687A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于深度信息和骨骼信息的姿势矫正方法 |
CN107253192A (zh) * | 2017-05-24 | 2017-10-17 | 湖北众与和智能装备科技有限公司 | 一种基于Kinect的无标定人机交互控制系统及方法 |
-
2018
- 2018-03-29 CN CN201810272336.1A patent/CN108536292A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150317449A1 (en) * | 2013-01-24 | 2015-11-05 | Kantrack Llc | Medication Delivery System |
CN106650687A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于深度信息和骨骼信息的姿势矫正方法 |
CN107253192A (zh) * | 2017-05-24 | 2017-10-17 | 湖北众与和智能装备科技有限公司 | 一种基于Kinect的无标定人机交互控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
陈珂等: "一种自适应二阶指数平滑滤波在Kinect骨骼提取的应用", 《广东石油化工学院学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083239A (zh) * | 2019-04-19 | 2019-08-02 | 南京邮电大学 | 一种基于动态赋权和灰色预测下的骨骼抖动检测方法 |
CN110083239B (zh) * | 2019-04-19 | 2022-02-22 | 南京邮电大学 | 一种基于动态赋权和灰色预测下的骨骼抖动检测方法 |
CN110390690A (zh) * | 2019-07-11 | 2019-10-29 | Oppo广东移动通信有限公司 | 深度图处理方法和装置 |
CN110390690B (zh) * | 2019-07-11 | 2021-04-16 | Oppo广东移动通信有限公司 | 深度图处理方法和装置 |
CN110827226A (zh) * | 2019-11-13 | 2020-02-21 | 北京迈格威科技有限公司 | 骨骼点的平滑方法、装置和电子设备 |
CN110827226B (zh) * | 2019-11-13 | 2022-09-27 | 北京迈格威科技有限公司 | 骨骼点的平滑方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018120964A1 (zh) | 一种基于深度信息和骨骼信息的姿势矫正方法 | |
CN110123572B (zh) | 一种偏瘫上肢代偿运动多模态交互的康复机器人训练系统 | |
CN108536292A (zh) | 一种数据滤波方法及骨骼点坐标精确定位方法 | |
TWI646444B (zh) | 一種喚醒智慧機器人的方法及智慧機器人 | |
CN104238948B (zh) | 一种智能手表点亮屏幕的方法及智能手表 | |
EP3639748B1 (en) | System for monitoring pathological breathing patterns | |
CN107145326A (zh) | 一种基于目标面部表情采集的音乐自动播放系统及方法 | |
CN104706355A (zh) | 呼吸暂停事件的种类的确定方法及系统 | |
WO2011139070A3 (en) | Method and apparatus for recognizing location of user | |
CN106503651B (zh) | 一种手势图像的提取方法及系统 | |
CN207460565U (zh) | 一种灯光调节装置及机器人 | |
GB2547166A (en) | Facial exercise system | |
CN105117682A (zh) | 人脸面部表情识别控制系统 | |
WO2021162217A1 (en) | System and method for conducting on-device spirometry test | |
US20150334189A1 (en) | Method for matching multiple devices, and device and server system for enabling matching | |
CN108144253A (zh) | 一种基于Kinect控制速度的跑步机 | |
Nomm et al. | Monitoring of the human motor functions rehabilitation by neural networks based system with kinect sensor | |
CN110287894A (zh) | 一种针对超广角视频的手势识别方法及系统 | |
CN105046249B (zh) | 一种人机交互方法 | |
CN109192267A (zh) | 运动陪伴虚拟机器人 | |
CN107016996A (zh) | 一种音频数据的处理方法及装置 | |
Ferron et al. | Mobile for older adults: towards designing multimodal interaction | |
CN111658931B (zh) | 一种智能经鼻高流量湿化氧疗系统 | |
CN112308880A (zh) | 一种目标用户锁定方法及电子设备 | |
CN115390739A (zh) | 基于手掌触控的远程交互输入方法及装置、电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |
|
RJ01 | Rejection of invention patent application after publication |