用于初始化基于视觉的手跟踪器的快速指尖检测制造技术

描述了用于实时地初始化基于视觉的手跟踪系统的系统和方法。所述用于初始化基于视觉的手跟踪系统的系统和方法对身体成像并且接收作为在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据的姿势数据，并且进行以下中的至少一个：使用身体的附肢确定身体的取向；以及使用取向和姿势数据中的至少一个来跟踪身体。

【技术实现步骤摘要】
【国外来华专利技术】用于初始化基于视觉的手跟踪器的快速指尖检测相关申请本申请要求2011年3月25日提交的美国专利申请号61/467，738的优先权。本申请是美国专利申请号12/572，689、12/572，698、12/109，263、12/417，252、12/487，623、12/553，845、12/557，464、12/579，340、12/579，372、12/773，605 和12/789，129的延续部分申请。
描述了涉及控制系统和装置、更具体而言用于检测和初始化基于视觉的跟踪系统的实施方式。
技术介绍
跟踪算法通常依靠关于目标在先前帧中的位置的信息。所有目标跟踪算法的一个关键方面是目标获取和跟踪初始化的问题。初始化是同时确定新的目标存在并且估计其位置以及任何其它相关形状和外观特征的过程。因此，在跟踪系统中，需要连续的手检测和跟踪初始化以支持多个目标以及从错误恢复。通过引用的合并在本说明书中提到的每个专利、申请和/或公布通过引用以其全部内容相同程度地合并到本文中，如同每个单独的专利、专利申请和/或公布具体地单独地被指出通过引用被合并一样。【附图说明】图1是根据实施方式的姿势控制系统的框图。图1A是根据实施方式的、姿势控制系统中的指尖检测和手跟踪160的框图。图1B是根据实施方式的指尖检测和手跟踪160的流程图。图2是根据实施方式的标记标签的图。图3是根据实施方式的姿势词汇中的姿态的图。图4是根据实施方式的姿势词汇中的取向的图。图5是根据实施方式的姿势词汇中的双手组合的图。图6是根据实施方式的姿势词汇中的取向混合的图。图7是根据实施方式的系统操作的流程图。图8/1和图8/2示出了根据实施方式的示例命令。图9是根据实施方式的包括使用色拉(slaw)、蛋白质和池(pool)的数据表示的处理环境的框图。图10是根据实施方式的蛋白质的框图。图11是根据实施方式的描述的框图。图12是根据实施方式的摄取的框图。图13是根据实施方式的色拉的框图。图14A是根据实施方式的池中的蛋白质的框图。图14B1和图14B2示出了根据实施方式的色拉头格式。图14C是根据实施方式的使用蛋白质的流程图。图14D是根据实施方式的构造或生成蛋白质的流程图。图15是根据实施方式的包括使用色拉、蛋白质和池的数据交换的处理环境的框图。图16是根据实施方式的处理环境的框图，该处理环境包括多个装置以及在多个装置中的一个或更多个装置上运行的大量程序，其中，等离子体构造(即，池、蛋白质和色拉)用于允许大量运行的程序共享并且集体地响应于装置而生成的事件。图17是根据替选实施方式的处理环境的框图，该处理环境包括多个装置以及在多个装置中的一个或更多个装置上运行的大量程序，其中，等离子体构造(即，池、蛋白质和色拉)用于允许大量运行的程序共享并且集体地响应于装置而生成的事件。图18是根据另一替选实施方式的处理环境的框图，该处理环境包括多个输入装置，该多个输入装置耦接在运行于多个装置中的一个或更多个装置上的大量程序之间，其中，等离子体构造(即，池、蛋白质和色拉)用于允许大量运行的程序共享并且集体地响应于装置而生成的事件。图19是根据又另一替选实施方式的处理环境的框图，该处理环境包括多个装置，多个装置耦接在运行于多个装置中的一个或更多个装置上的大量程序之间，其中，等离子体构造(即，池、蛋白质和色拉)用于允许大量运行的程序共享并且集体地响应于装置而生成的事件。图20是根据再又一替选实施方式的处理环境的框图，该处理环境包括多个装置，多个装置耦接在运行于多个装置中的一个或更多个装置上的大量程序之间，其中，等离子体构造(即，池、蛋白质和色拉)用于允许对运行的程序进行状态检测、可视化和调试。图21是根据额外的替选实施方式的处理环境的框图，该处理环境包括多个装置，多个装置耦接在运行于多个装置中的一个或更多个装置上的大量程序之间，其中，等离子体构造(即，池、蛋白质和色拉)用于允许影响和控制在该处理池中产生和放置的状态信息的特征。【具体实施方式】本文中所描述的实施方式包括用于实时初始化基于视觉的手跟踪系统的系统和方法。本文中所描述的系统和方法将快速指尖检测与健壮的局部手跟踪组合，但并不这样被限制。然而，当单独使用时，任一部件对于可靠的基于姿势的接口来说不是完全足够的，该组合形成对于广泛的挑战性感知场景来说健壮的互补对。如下面更详细地描述的，在空间操作环境(SOE)的背景中，提供了系统和方法的实施方式。例如，图1是根据实施方式的空间操作环境(SOE)的框图。可替选地，包括姿势控制系统或基于姿势的控制系统的SOE可以被称为空间用户接口(Sn)或空间接口(SI)。姿势控制系统使用所捕捉的姿势数据来检测、标识、跟踪和/或定位一个或更多个用户的手的位置。实施方式的姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据。姿势数据包括但不限于像素、体素、像素数据、体素数据、静态图像数据、相机数据、视频图像数据、视频数据、传感器数据、深度数据、空间数据或沿着由深度数据暗示的表面的体积的数据中的一个或更多个。例如，如在本文中具体的实施方式中所描述的手跟踪包括在视频流的连续帧中检测和定位一个或更多个用户的手的位置的过程。在空间操作环境或其它姿势接口的背景中，这样的跟踪用于确定用户何时试图与系统通信，提供用于检测和识别临时扩展的姿势所需要的基本信息，以及允许交互如指示、拖放、选择或其他直接操作的实时控制和反馈，这里列举一些示例。跟踪算法通常依赖关于先前帧中的目标的位置的信息。该信息，经常与形状和外观特征耦接，可以有助于在新的帧中界定和指导目标的搜索。整体计算负担中的所得到的减少允许实时处理速率，然而，时空背景有助于将真实的位置与错误的但视觉上相似的其它位置区别开。所有目标跟踪算法的一个重要方面是目标获取和跟踪初始化的问题。初始化是同时确定存在一个新的目标并且估计其位置连同任何其它相关的形状和外观特征的过程。在健壮的系统中，跟踪初始化是正在进行的过程，因为无论新的目标何时出现，必须检测到它们。在姿势接口的情况下，当手进入相机的视野或当手在由场景中的一些其它对象的临时遮蔽之后变得可见时，初始化过程肩负着找到每个先前未观察到的手的任务。另外，由于多于一个用户出现或由于单个用户在协同交互中使用两个手，多个手可以存在于场景中。最终，由于挑战性的感知输入，可以产生假的检测，这可以导致与真实的手位置分离的错误的跟踪。在所有这些情况下，需要连续的手检测和跟踪初始化以支持多个目标以及从错误恢复。用于跟踪初始化的指尖检测图1A是根据实施方式的、姿势控制系统中的指尖检测和手跟踪160的框图。图1B是根据一种实施方式的指尖检测和手跟踪160的流程图。参照图1A，指尖检测和手跟踪160与一种实施方式的空间操作环境(SOE)集成，以及使用相机104的输出(例如，图1的104A至104D)生成到一种实施方式的应用和用户接口处理器107(例如，图1的预处理器105、姿势翻译器/输出106和计算机处理器107中的一个或更多个)的输入。应用和用户接口处理器107生成命令以控制一个或更多个屏幕上光标，并且向例如显示器103提供输出。在本文中更详细地描述SOE。在手跟踪的背景中，指尖可以提供可靠的指标，该指标在本文档来自技高网...

【技术保护点】
一种方法，包括：通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据；以及以下中的至少一个：使用所述身体的附肢生成所述身体的估计取向；以及使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体。

【技术特征摘要】
【国外来华专利技术】2011.03.25 US 61/467,7381.一种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据；以及 以下中的至少一个:使用所述身体的附肢生成所述身体的估计取向；以及使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体。2.根据权利要求1所述的方法，包括:使用所述姿势数据检测所述身体的所述附肢并且标识所述附肢的段。3.根据权利要求2所述的方法，包括:通过如下方式检测所述身体的所述附肢:区分包括所述附肢的至少一个第一像素区域与不存在所述附肢的至少一个第二像素区域。4.根据权利要求2所述的方法，其中，所述光学检测器包括输出多个视频帧的视频检测器，所述多个视频帧包括所述姿势数据。5.根据权利要求4所述的方法，包括:将每个视频帧转换成二进制图像。6.根据权利要求4所述的方法，包括:对所述多个视频帧中的每个视频帧进行预处理，所述预处理包括对所述附肢的所述检测以及对所述附肢的所述段的所述标识。7.根据权利要求6所述的方法，包括:使用所述段的数据生成所述身体的估计取向。8.根据权利要求4所述的方法，包括:将所述多个视频帧中的每个视频帧与背景模型相比较。9.根据权利要求8所述的方法，包括:通过计算所述多个视频帧的适应运行平均来生成所述背景模型。10.根据权利要求9所述的方法，包括:将所述背景模型转换成背景二进制图像。11.根据权利要求8所述的方法，包括:对于所述视频帧的每个像素计算所述视频帧的相应像素的第一像素值与所述背景模型的每个相应对应像素的第二像素值之间的像素值差异。12.根据权利要求11所述的方法，包括:通过标记所述视频帧的如下每个像素来生成被标记的像素:对于所述每个像素而言的所述像素值差异超过阈值。13.根据权利要求12所述的方法，包括:生成包括所述被标记的像素的前景图像。14.根据权利要求13所述的方法，包括:从所述姿势数据中提取至少一个特征，其中，所述至少一个特征包括所述前景图像的至少一个像素。15.根据权利要求14所述的方法，其中，所述检测包括:将所述至少一个特征依次施加到多个过滤器，并且当所述至少一个特征被所述多个过滤器中的所有过滤器接受时，将所述至少一个特征标识为包括所述附肢。16.根据权利要求14所述的方法，其中，所述至少一个特征包括至少一个盒子，其中，所述至少一个盒子是使用所述姿势数据的至少一个查询区域内的多个坐标来规定的。17.根据权利要求16所述的方法，包括:使用所述至少一个盒子的左上坐标和右下坐标来规定所述至少一个盒子。18.根据权利要求16所述的方法，其中，所述至少一个盒子由所述至少一个前景图像的多个像素来表征。19.根据权利要求16所述的方法，其中，所述至少一个特征包括至少一个环，其中，所述至少一个环是盒子内的未被填充的矩形区域。20.根据权利要求19所述的方法，其中，所述检测包括:将所述至少一个特征依次施加到多个过滤器，并且当所述至少一个特征被所述多个过滤器中的所有过滤器接受时，将所述至少一个特征标识为包括所述附肢。21.根据权利要求20所述的方法，其中，所述附肢包括指尖。22.根据权利要求21所述的方法，其中，所述身体包括手指。23.根据权利要求20所述的方法，其中，所述身体包括手。24.根据权利要求20所述的方法，其中，所述身体包括臂。25.根据权利要求20所述的方法，包括:对于所述附肢的每个被检测到的实例生成与所述附肢对应的身体预测。26.根据权利要求25所述的方法，其中，所述身体预测包括与所述附肢对应的预测位置。27.根据权利要求25所述的方法，其中，所述身体预测包括与所述被检测到的区域对应的所述估计取向。28.根据权利要求25所述的方法，包括:生成身体预测列表并且将所述身体预测存储在所述身体预测列表中，其中，所述身体预测列表包括多个身体预测。29.根据权利要求28所述的方法，包括:生成对于所述视频帧而言的边缘图像。30.根据权利要求29所述的方法，其中，所述边缘图像的所述生成由边缘检测器提供。31.根据权利要求29所述的方法，包括:生成对于所述边缘图像的每个边缘像素而言的边缘取向图像。32.根据权利要求31所述的方法，其中，所述边缘取向图像的所述生成包括计算由局部偏导数暗示的角度。33.根据权利要求31所述的方法，包括:当对所述身体的跟踪在进行中时，使用根据至少一个先前视频帧对所述身体预测的先前估计来生成对于所述身体预测而言的预测估计。34.根据权利要求33所述的方法，包括:当对多个身体假设的跟踪在进行中时，使用根据至少一个先前视频帧对所述身体预测的先前估计来对于每个身体假设生成对于所述身体预测而言的预测估计。35.根据权利要求33所述的方法，包括:从所述身体预测列表中移除与所述视频帧对应的所述身体预测的复制件。36.根据权利要求33所述的方法，包括:对于每个预测估计标识最佳参数值。37.根据权利要求36所述的方法，包括:使用粒子群优化标识所述最佳参数值。38.根据权利要求36所述的方法，包括:使用一组身体模型标识所述最佳参数值。39.根据权利要求38所述的方法，其中，所述组身体模型包括一组手模型。40.根据权利要求38所述的方法，包括:通过创建与多个姿态中的每个姿态中的手的形状匹配的轮廓来生成所述组手模型。41.根据权利要求40所述的方法，包括:使用二次b样条表示所述轮廓。42.根据权利要求38所述的方法，其中，所述最佳参数值包括与所述组身体模型中的身体模型最佳地匹配的身体预测的至少一个参数值，其中，所述身体预测与所述姿势数据对应。43.根据权利要求42所述的方法，其中，所述最佳参数值包括位置、比例和取向中的至少一个。44.根据权利要求42所述的方法，其中，所述最佳参数值包括位置。45.根据权利要求42所述的方法，其中，所述最佳参数值包括比例。46.根据权利要求42所述的方法，其中，所述最佳参数值包括取向。47.根据权利要求42所述的方法，包括:对于每个参数值更新所述身体模型的手样条的控制点。48.根据权利要求47所述的方法，其中，所述更新包括通过平移、比例缩放和旋转中的至少一个来更新。49.根据权利要求47所述的方法，其中，所述更新包括通过平移来更新。50.根据权利要求47所述的方法，其中，所述更新包括通过比例缩放来更新。51.根据权利要求47所述的方法，其中，所述更新包括通过旋转来更新。52.根据权利要求47所述的方法，包括:沿着所述手样条进行采样。53.根据权利要求52所述的方法，包括:将所述手样条的局部轮廓取向与所述视频帧的所述边缘取向图像的有取向的边缘相比较。54.根据权利要求53所述的方法，包括:通过沿着所述手样条的法线搜索具有匹配取向的、最靠近所述身体预测的边缘来进行比较。55.根据权利要求53所述的方法，包括:使用所述最佳参数值更新所述多个预测估计。56.根据权利要求55所述的方法，包括:当最高得分的预测估计超过阈值时，将所述最高得分的预测估计报告为当前身体位置。57.根据权利要求56所述的方法，包括:当所述最高得分的预测估计小于所述阈值时，报告对应的帧中不存在身体。58.根据权利要求4所述的方法，包括:使用所述姿势数据检测所述身体的姿势。59.根据权利要求58所述的方法，其中，所述姿势包括所述身体的姿态和运动中的至少一个。60.根据权利要求58所述的方法，包括:使用姿势记号将所述姿势翻译成姿势信号。61.根据权利要求60所述的方法，包括:使用所述姿势信号控制耦接到计算机的部件。62.根据权利要求61所述的方法，包括:标识所述姿势，其中，所述标识包括标识所述身体的一部分的姿态和取向。63.根据权利要求62所述的方法，其中，所述检测包括生成表示所述姿势的三维空间点数据并且标记所述空间点数据。64.根据权利要求63所述的方法，其中，所述翻译包括将所述空间点数据翻译成适合于所述计算机的配置的命令。65.根据权利要求61所述的方法，其中，所述翻译包括将所述姿势的信息翻译成姿势记号。66.根据权利要求65所述的方法，其中，所述姿势记号表示姿势词汇，并且所述姿势信号包括所述姿势词汇的通信。67.根据权利要求66所述的方法，其中，所述姿势词汇以文本形式表示所述身体的运动学联动机构的瞬时姿态状态。68.根据权利要求66所述的方法，其中，所述姿势词汇以文本形式表示所述身体的运动学联动机构的取向。69.根据权利要求66所述的方法，其中，所述姿势词汇以文本形式表示所述身体的运动学联动机构的取向的组合。70.根据权利要求66所述的方法，其中，所述姿势词汇包括表示所述身体的运动学联动机构的状态的字符串。71.根据权利要求70所述的方法，包括:将所述串中的每个位置分配给所述附肢。72.根据权利要求71所述的方法，包括:将多个字符中的字符分配给所述附肢的多个位置中的每个位置。73.根据权利要求72所述的方法，其中，所述多个位置是相对于坐标原点建立的。74.根据权利要求73所述的方法，包括:使用如下位置建立所述坐标原点:所述位置选自于包括空间中的绝对位置和取向、交互地响应于所述身体的动作的、以及不管所述身体的总体位置和朝向如何而相对于所述身体的固定位置和取向的组。75.根据权利要求72所述的方法，包括:将所述多个字符中的字符分配给所述附肢的多个取向中的每个取向。76.根据权利要求61所述的方法，其中，控制所述部件包括通过将所述附肢的所述姿势映射到三度空间对象来同时以六个自由度控制所述三度空间对象。77.根据权利要求61所述的方法，其中，控制所述部件包括通过三个平移自由度和三个旋转自由度来控制三度空间对象。78.根据权利要求77所述的方法，其中，所述三度空间对象被呈现在耦接到所述计算机的显示装置上。79.根据权利要求77所述的方法，其中，所述三度空间对象耦接到所述计算机。80.根据权利要求77所述的方法，其中，所述检测包括检测所述对象的外推位置何时与虚拟空间相交，其中，所述虚拟空间包括被描绘在耦接到所述计算机的显示装置上的空间。81.根据权利要求80所述的方法，其中，控制所述部件包括当所述外推位置与所述虚拟空间中的虚拟对象相交时控制所述虚拟对象。82.根据权利要求58所述的方法，包括:控制所述检测和控制的比例缩放以生成虚拟空间与物理空间之间的一致性，其中，所述虚拟空间包括被描绘在耦接到所述计算机的显示装置上的空间，其中，所述物理空间包括由所述身体占据的空间。83.根据权利要求82所述的方法，包括:确定耦接到所述计算机的显示装置的所述物理空间中的尺度、取向和位置。84.根据权利要求83所述的方法，包括:将所述显示装置所位于的所述物理空间作为投影动态地映射到耦接到所述计算机的至少一个应用的所述虚拟空间中。85.根据权利要求82所述的方法，包括:在所述虚拟空间与所述物理空间之间翻译比例、角度、深度和尺度以适合于耦接到所述计算机的至少一个应用。86.根据权利要求82所述的方法，包括:响应于至少一个物理对象在所述物理空间中的移动而控制所述虚拟空间中的至少一个虚拟对象。87.根据权利要求82所述的方法，包括:响应于所述身体在物理空间中相对于所述显示装置的位置的位置而控制所述显示装置上的图形渲染。88.一种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据； 使用所述姿势数据检测所述身体的附肢并且标识所述附肢的区域；以及以下中的至少一个:使用所述附肢生成所述身体的估计取向；以及使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体。89.根据权利要求88所述的方法，其中，所述光学检测器包括输出多个视频帧的视频检测器，所述多个视频帧包括所述姿势数据。90.根据权利要求89所述的方法，包括:检测所述多个视频帧中的运动。91.根据权利要求90所述的方法，包括:通过区分包括所述附肢的视频帧的至少一个第一像素区域与不存在所述附肢的所述视频帧的至少一个第二像素区域来检测所述附肢。92.根据权利要求91所述的方法，包括:检测所述视频帧的边缘像素。93.根据权利要求92所述的方法，包括:生成对于所述视频帧而言的边缘图像。94.根据权利要求93所述的方法，包括:生成对于所述边缘图像的每个边缘像素而言的边缘取向图像。95.根据权利要求94 所述的方法，其中，所述边缘取向图像的所述生成包括计算由所述视频帧的局部偏导数暗示的角度。96.根据权利要求94所述的方法，包括:当跟踪数据可用时，使用所述跟踪数据生成身体预测。97.根据权利要求96所述的方法，包括:使用所述边缘像素、所述边缘取向图像和所述附肢中的至少一个来生成身体预测。98.根据权利要求97所述的方法，包括:通过将所述身体预测与一组身体模型相比较来检测所述身体。99.根据权利要求98所述的方法，包括:跟踪所述身体。100.根据权利要求99所述的方法，包括:使用所述姿势数据检测所述身体的姿势。101.根据权利要求100所述的方法，其中，所述姿势包括所述身体的姿态和运动中的至少一个。102.根据权利要求100所述的方法，包括:使用姿势记号将所述姿势翻译成姿势信号。103.根据权利要求102所述的方法，包括:使用所述姿势信号控制计算机应用。104.一种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据； 检测所述身体的附肢的段并且使用所述段生成所述身体的估计取向；以及 使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体。105.—种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据； 使用所述姿势数据检测所述身体的附肢并且标识所述附肢的段； 使用所述段的数据生成所述身体的估计取向；以及使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体。106.—种方法,包括: 根据通过光学检测器接收到的姿势数据来检测身体的姿势，其中，所述姿势数据是在时间和空间中的一点处所述身体的瞬时状态的绝对三度空间位置数据，所述检测包括检测所述身体的附肢的段并且使用所述段生成所述身体的估计取向； 使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体，并且在跟踪时使用所述姿势数据标识所述姿势；以及 生成表示所述姿势的姿 势信号并且提供所述姿势信号作为控制信号。107.一种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据； 以下中的至少一个:使用所述身体的附肢生成所述身体的估计取向；以及使用所述估计取向和所述姿势数据中的至少一个来跟踪所述身体； 使用所述姿势数据检测和标识所述身体的姿势，并且将所述姿势翻译成姿势信号；以及 响应于所述姿势信号而控制耦接到计算机的部件。108.—种方法，包括: 通过光学检测器接收姿势数据，所述姿势数据是在时间和空间中的一点处身体的瞬时状态的绝对三度空间数据； 使用所述姿势数据检测所述身体的附肢并且标识所述附肢的段，并且使用所述段确定所述身体的取向； 使用所述取向和所述姿势数据中的至少一个来跟踪所述身体； 仅使用所述姿势数据检测和标识所述身体的姿势； 将所述姿势翻译成姿势信号；以及 使用所述姿势信号控制计算机部件。109.一种系统，包括: 至少一个光学检测器，所述至少一个光学检测器耦接到执行姿势部件的处理器； 其中，所述至少一个光学检测器对身体成像并且接收姿势数据，所述姿势数据是在时间和空间中的一点处所述身体的瞬时状态的绝对三度空间数据； 其中，所述姿势部件进行以下中的至少一个:使用所述身体的附肢确定所述身体的取向；以及使用所述取向和所述姿势数据中的至少一个来跟踪所述身体。110.根据权利要求1所述的系统，其中，所述姿势部件使用所述姿势数据检测所述身体的所述附肢并且标识所述附肢的段。111.根据权利要求110所述的系统，其中，所述姿势部件通过如下方式检测所述身体的所述附肢:区分包括所述附肢的至少一个第一像素区域与不存在所述附肢的至少一个第二像素区域。112.根据权利要求110所述的系统，其中，所述光学检测器包括输出多个视频帧的视频检测器，所述多个视频帧包括所述姿势数据。113.根据权利要求112所述的系统，包括:将每个视频帧转换成二进制图像。114.根据权利要求112所述的系统，包括:对所述多个视频帧中的每个视频帧进行预处理，所述预处理包括对所述附肢的所述检测以及对所述附肢的所述段的所述标识。115.根据权利要求114所述的系统，其中，所述姿势部件使用所述段的数据生成所述身体的估计取向。116.根据权利要求112所述的系统，其中，所述姿势部件将所述多个视频帧中的每个视频帧与背景模型相比较。117.根据权利要求116所述的系统，其中，所述姿势部件通过计算所述多个视频帧的适应运行平均来生成所述背景模型。118.根据权利要求117所述的系统，其中，所述姿势部件将所述背景模型转换成背景二进制图像。119.根据权利要求116所述的系统，其中，所述姿势部件对于所述视频帧的每个像素计...

【专利技术属性】
技术研发人员：大卫·米宁，
申请(专利权)人：奥布隆工业有限公司，
类型：发明
国别省市：美国;US