基于模板匹配的人体骨架识别方法及系统技术方案

本发明专利技术公开了基于模板匹配的人体骨架识别方法及系统，通过构建人体骨架模型，并获取待识别的坐标散乱稀疏点集；基于人体骨架模型中模板边的长度约束以及模板点的连接约束，从坐标散乱稀疏点集中筛选出每个模板点、模板边对应的候选匹配实时点、候选匹配实时点，以构建匹配字典；基于匹配字典，对人体骨架模型的模板边和模板点进行遍历，从待识别的坐标散乱稀疏点集中识别出人体骨架。本发明专利技术利用模板边的长度约束以及模板点的连接约束确定其候选匹配实时点和实时边，从而构建匹配字典，随后逐边逐点地识别模板边和模板点，实现从单帧散乱稀疏点集中识别三维人体骨架，该方法对标记数量和不同动作类型都具有较好的鲁棒性。数量和不同动作类型都具有较好的鲁棒性。数量和不同动作类型都具有较好的鲁棒性。

【技术实现步骤摘要】
基于模板匹配的人体骨架识别方法及系统


[0001]本专利技术涉及计算机视觉领域，尤其涉及基于模板匹配的人体骨架识别方法及系统。

技术介绍

[0002]纯视觉三维人体骨架识别一直以来都是计算机视觉领域的重要研究课题。三维人体骨架是智能系统理解以人为中心的图像/视频的重要分析对象，它通过参数化关节点位置和肢体部件，以图形结构的形式直观地表示人体模型，具有强鲁棒性与高密度信息表达能力的显著优势，是一种常见的人体建模方式。
[0003]人体稀疏重建方法能够获得每个标记点的三维坐标，并以数字化形式存储。然而，这些重建标记依然是杂乱无序，只含坐标信息的散乱稀疏点集，还需构建稀疏点集与人体骨架模型一致的连接关系，从而将人体动作也转换成数字表现形式，这个过程也被称为人体骨架识别。人体骨架作为一种稀疏的非刚体，其内部图形结构具有高度地不确定性和多变性，因此从散乱稀疏点集中识别人体骨架是一项具有挑战性的任务。纯手工方式逐帧构造人体骨架显然相当耗时和繁琐，且极易发生错误，因此十分有必要研究一种自动识别人体骨架的方法，需要重点突破的关键技术有：整体识别问题可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模板匹配的人体骨架识别方法，其特征在于，包括以下步骤：构建人体骨架模型，并获取待识别的坐标散乱稀疏点集；基于人体骨架模型中模板边的长度约束以及模板点的连接约束，从所述坐标散乱稀疏点集中筛选出每个模板点、模板边对应的候选匹配实时点、候选匹配实时点，以构建匹配字典；基于所述匹配字典，对所述人体骨架模型的模板边和模板点进行遍历，从待识别的坐标散乱稀疏点集中识别出人体骨架。2.根据权利要求1所述的基于模板匹配的人体骨架识别方法，其特征在于，所述模板边的长度约束为：每条模板边的候选匹配边的长度均在其长度区间内；所述模板点连接约束为：若实时点为模板点的候选匹配实时点，则所述实时点必定是所述模板点连接的所有模板边的候选匹配实时边的公共点。3.根据权利要求1或2所述的基于模板匹配的人体骨架识别方法，其特征在于，所述人体骨架模型包含每个模板边的长度区间；基于人体骨架模型中每个模板边的长度约束以及每个模板点的连接约束，从所述待识别的坐标散乱稀疏点集中筛选出每个模板点、模板边对应的候选匹配实时点、候选匹配实时点，包括以下步骤：将所述坐标散乱稀疏点集中的稀疏点作为实时点，将任意两个实时点之间的连线作为实时边，构建待识别人体骨架的实时边集；基于每条模板边的候选匹配边的长度均在其长度区间内，从所述实时边集中筛选出每条模板边的候选匹配实时边，以构建每条模板边的候选匹配实时边集；对于每个模板点，构建每条与其连接的模板边的候选匹配实时点集，每条模板边的候选匹配实时点集包含其所有候选匹配实时边两端连接的实时点；将所有与其连接的模板边的候选匹配实时点集进行交集运算，将交集运算得到实时点作为所述模板点的候选匹配实时点；对于每个模板边，综合其两边公共模板点的候选匹配实时点，筛选并更新每条模板边的候选匹配实时边。4.根据权利要...

【专利技术属性】
技术研发人员：肖德贵，李佳，李健芳，
申请(专利权)人：湖南大学，
类型：发明
国别省市：