CN108536292A - 一种数据滤波方法及骨骼点坐标精确定位方法 - Google Patents

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

一种数据滤波方法及骨骼点坐标精确定位方法

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S_n-1和当前帧骨骼坐标X_n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S_n-1加上趋势值v_n-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S_n，前者权重为β(0<β<1)，趋势值v_n由平滑值之差和前一帧趋势值v_n-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S_n、预测值v_n以及因子λ(0<λ<1)得出预测值P_n；

S4.最后判断预测值v_n与原始数据之间的距离，若差值||P_n-X_n||小于阈值radius，则用预测值v_n作为最终输出Y_n，否则用原始数据与预测值v_n的加权平均作为输出，前者权重为阈值radius与差值||P_n-X_n||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J_x,n与基准骨骼点J_o,n距离与手臂长度l_ox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J_x,n与前一帧J_x,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S_n-1和当前帧骨骼坐标X_n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S_n-1加上趋势值v_n-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S_n，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v_n由平滑值之差和前一帧趋势值v_n-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P_n，平滑值S_n加上预测值v_n乘以因子λ＝0.5，计算公式如下：

P_n＝S_n+λv_n

最后判断预测值是否离原始数据过远，若差值||P_n-X_n||小于一定阈值radius，比如说radius＝0.04，则用预测值作为最终输出Y_n，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||P_n-X_n||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J_x,n与基准骨骼点J_o,n距离与手臂长度l_ox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J_x,n与前一帧J_x,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S_n-1和当前帧骨骼坐标X_n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S_n-1加上趋势值v_n-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S_n，前者权重为β(0<β<1)，趋势值v_n由平滑值之差和前一帧趋势值v_n-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S_n、预测值v_n以及因子λ(0<λ<1)得出预测值P_n；

S4.最后判断预测值v_n与原始数据之间的距离，若差值||P_n-X_n||小于阈值radius，则用预测值v_n作为最终输出Y_n，否则用原始数据与预测值v_n的加权平均作为输出，前者权重为阈值radius与差值||P_n-X_n||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J_x,n与基准骨骼点J_o,n距离与手臂长度l_ox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J_x,n与前一帧J_x,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。