一种基于机器学习的人体状态匹配方法组成比例

本发明专利技术公开了一种基于机器学习的人体状态匹配方法，包括：(1)样本集预处理；(2)Open Pose检测人体关键点；(3)训练样本集对齐；(4)建立人体标准姿态模型；(5)PCA分析降维；(6)训练SVM分类器，计算数据集中每个项的变形因子b

【技术实现步骤摘要】
一种基于机器学习的人体状态匹配方法
本专利技术属于人体姿态匹配
，尤其是涉及一种基于机器学习的人体状态匹配方法。
技术介绍
人体姿态匹配技术，即确定新姿态是否是预定义的标准姿态。这种技术是许多应用所需要的，如虚拟试穿、体感游戏等。现有方法是基于模板匹配的方法，基于模板匹配的方法首先需要建立模板库，然后对比模板库中每一个样本与要识别的人体目标的相似性。如公开号为CN112101243A的中国专利文献公开了一种基于关键姿势和DTW的人体动作识别方法，包括以下步骤：S10、利用深度传感器采集得到人体动作3D骨架关节坐标数据后，再利用特征关节相对距离描述静态姿势；S20、利用基于时间约束X-Means聚类算法，对原始动作姿势序列提取关键姿势帧进行描述；S30、建立标准动作模板库，基于DTW算法计算组成待识别动作的关键姿势帧序列与标准动作模板库中的动作关键姿势帧序列之间的相似度距离，将待识别的动作划分为与之相似度距离最小的动作类型。公开号为CN110598556A的中国专利文献公开了一种人体身形姿态匹配方法和装置，用于RGB本文档来自技高网...

【技术保护点】
1.一种基于机器学习的人体状态匹配方法，其特征在于，包括以下步骤：/n(1)收集多张标准姿态的人体正面视图作为正样本，建立标准姿态样本集D；收集相同规模的姿态不标准的人体正面视图作为负样本；检测并保存所有正样本和负样本的关键点信息；/n(2)训练标准姿态样本集对齐，得到对齐的姿态形状数据集

【技术特征摘要】
1.一种基于机器学习的人体状态匹配方法，其特征在于，包括以下步骤：
(1)收集多张标准姿态的人体正面视图作为正样本，建立标准姿态样本集D；收集相同规模的姿态不标准的人体正面视图作为负样本；检测并保存所有正样本和负样本的关键点信息；
(2)训练标准姿态样本集对齐，得到对齐的姿态形状数据集
(3)计算对齐的姿态形状数据集中的平均姿态形状并将数据集中每个姿态形状和平均姿态形状之间的变化表示为计算协方差矩阵S；
(4)使用主成分分析PCA对协方差矩阵S进行特征分解，找出姿态形状变形的主要成分；变换后的姿态形状近似表示为：



其中，QC表示最大特征值C对应的特征向量，bC为变形因子，bC越小，相对于的变形越小；
(5)准备一个包含正样本和负样本的训练数据集，训练SVM分类器，计算数据集中每个项的变形因子bC，并将合格的姿态标记为1，不标准的姿态标记为0，计算出bC的阈值；
(6)对于待验证的人体姿态形状pnew，首先将它与平均姿态形状对齐，对齐后的形状表示为
(7)计算待验证的人体姿态形状的变形因子bC，如果bC值在阈值范围内，则待验证的姿态形状就是预定义的标准姿态，如果bC值超出阈值范围，则待验证的姿态形状不是标准姿态。


2.根据权利要求1所述的基于机器学习的人体状态匹配方法，其特征在于，步骤(1)中，所述的检测并保存所有正样本和负样本的关键点信息包括：先将每张图片压缩到20K以下，再使用OpenPose来估计人体的关键点，共提供25个身体关键点，关键点估计完成后，将对应图片的关键点信息以同名的json格式保存。


3.根据权利要求1所述的基于机器学习的人体状态匹配方法，其特征在于，步骤(2)的具体过程为：
(2-1)将标准姿态样本集表示如下：
D＝{pi|0≤i≤n}

【专利技术属性】
技术研发人员：卢书芳，王宏升，高飞，丁雪峰，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33