人体姿势检测方法及装置制造方法及图纸

一种人体姿势检测方法及装置，其中人体姿势检测方法包括：获取训练图像，训练图像中标定出人手、人脸和人眼的位置；基于人脸和人眼的位置确定人脸特征参数，人脸特征参数包括两眼间的距离、人脸宽度和人脸倾斜角度；建立人体躯干模型，人体躯干模型具有躯干特征参数；结合人体躯干对应的前景颜色、人体躯干以外的背景颜色和躯干特征参数检测训练图像中的人体躯干；建立人体上半身模型，人体上半身模型具有关节特征参数；结合人体上半身对应的前景颜色、人体上半身以外的背景颜色和所述关节特征参数检测人体上半身姿势。本技术方案能够有效检测到在各种图像背景下的多种人体姿势，并对不同的着装以及光照具有很好的鲁棒性。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，特别涉及人体姿势检测方法及装置。
技术介绍
人体姿势检测在计算机视觉
中有许多重要的作用，例如驾驶辅助系统、 视频监控系统、图像检索、人机交互等。在智能视频监控中，自动在场景中搜索人体通常被视为首要的预处理步骤。但现有技术中，人体的自动搜索问题仍然没有得到令人满意的结果，主要因为人体自身体型的多元性、人体姿势变化多端，衣着具有多样性以及背景、光照条件的复杂性等。尤其是，当监控视野中的人体的一部分被遮挡，无法拍摄到人体整体特征时，进行准确的人体姿势检测就更具有挑战性了。现有技术中，已有的静态图像中的人体姿势检测方法主要分为三大类分别是基于匹配的方法，基于部件的方法以及基于人体模型的方法。其中，基于匹配的方法通过把测试图像和人工标定的图像样本进行比较从而得到测试图像的姿势。该方法的缺点在于，所能检测的姿势种类局限于样本集数目，同时要求图像背景单一。基于部件检测的方法先检测得到人体部件(比如胳膊、躯干、头等)，然后通过部件组合得到人体姿势。该方法的不足在于很多人体部件(比如胳膊等)缺少稳定特征、 不易检测。基于人体模型的方法则是通过改变人体模型的参数得到大量候选姿势，然后从众多候选中找到与图像最匹配的人体姿势。然而现有的基于人体模型的方法中，只能解决部分简单背景、手没被遮挡的情况下的近似站立的人体姿势。更多关于人体姿势检测的技术方案可以参考公开号为CN1578414A的专利技术名称为 “位置姿势测量方法及装置”的中国专利申请文件，但仍没有解决上述问题。
技术实现思路
本专利技术解决的问题是针对现有的静态图像中的人体姿势检测方法的缺陷，提供一种能够有效检测到在各种图像背景下的多种人体姿势，并对不同的着装以及光照具有很好的鲁棒性。为解决上述问题，本专利技术实施例提供一种人体姿势检测方法，包括获取训练图像，所述训练图像中标定出人手、人脸和人眼的位置；基于所述人脸和人眼的位置确定人脸特征参数，所述人脸特征参数包括两眼间的距离、人脸宽度和人脸倾斜角度；建立人体躯干模型，所述人体躯干模型具有躯干特征参数，所述躯干特征参数的初始值关联于所述人脸特征参数；结合人体躯干对应的前景颜色、人体躯干以外的背景颜色和所述躯干特征参数检测所述训练图像中的人体躯干；建立人体上半身模型，所述人体上半身模型具有关节特征参数，所述关节特征参数的初始值关联于所述人手的位置、所述人脸特征参数和所检测到的人体躯干；结合人体上半身躯干对应的前景颜色、人体上半身以外的背景颜色和所述关节特征参数检测人体上半身姿势。可选地，所述人手的位置包括左手的中心位置和右手的中心位置；所述人脸的位置包括人脸的中心位置(Fx，Fy);所述人眼的位置包括左眼的中心位置(LEx，LEy)和右眼的中心位置(REX，REy);所述两眼间的距离权利要求1.一种人体姿势检测方法，其特征在于，包括获取训练图像，所述训练图像中标定出人手、人脸和人眼的位置；基于所述人脸和人眼的位置确定人脸特征参数，所述人脸特征参数包括两眼间的距离、人脸宽度和人脸倾斜角度；建立人体躯干模型，所述人体躯干模型具有躯干特征参数，所述躯干特征参数的初始值关联于所述人脸特征参数；结合人体躯干对应的前景颜色、人体躯干以外的背景颜色和所述躯干特征参数检测所述训练图像中的人体躯干；建立人体上半身模型，所述人体上半身模型具有关节特征参数，所述关节特征参数的初始值关联于所述人手的位置、所述人脸特征参数和所检测到的人体躯干；结合人体上半身对应的前景颜色、人体上半身以外的背景颜色和所述关节特征参数检测人体上半身姿势。2.根据权利要求I所述的人体姿势检测方法，其特征在于，所述人手的位置包括左手的中心位置和右手的中心位置；所述人脸的位置包括人脸的中心位置(Fx，Fy)；所述人眼的位置包括左眼的中心位置(LEX，LEy)和右眼的中心位置(REx，REy)；所述两眼间的距离Deye= -LEy)2+(REy -LEy)2 ；所述人脸宽度facewidth = 2*Deye ；所述人脸倾斜角度 Θ f = arctan ((REy-LEy) / (REx-LEy))。3.根据权利要求2所述的人体姿势检测方法，其特征在于，所述躯干特征参数t包括 躯干的宽度W、躯干的长宽比r、躯干的倾斜度Θ以及脖子的位置(nx，ny)；所述躯干特征参数的初始值分别为躯干的宽度初始值W。= a*faCewidth，其中，a的取值范围为(2. 2,2. 6)；躯干的长宽比初始值A，取值范围为(I. 3，I. 38)；躯干的倾斜度初始值Qtl，取值范围为(I. 5弧度，I. 63弧度)；脖子的位置初始值(nxQ,ny0)，其中，nx(l = Fx_b*Deye*sin ( Θ f)、ny(l = Fy+b*Deye*sin ( Θ f)， b的取值范围为(I. 1，1.3)。4.根据权利要求3所述的人体姿势检测方法，其特征在于，所述结合人体躯干对应的前景颜色、人体躯干以外的背景颜色和所述躯干特征参数检测所述训练图像中的人体躯干包括利用Metropolis-Hastings算法以及随机游动采样技术对所述躯干特征参数进行第一预设次数的迭代；基于各次迭代的躯干特征参数和所述人体躯干对应的前景颜色、人体躯干对应的背景颜色确定所述躯干特征参数的极大后验假设；以所述躯干特征参数的极大后验假设确定所述人体躯干的位置。5.根据权利要求4所述的人体姿势检测方法，其特征在于，所述躯干特征参数的极大后验假设为:Τ· = argmax^(i | Y) = argmax(^(7 | ;其中，t为所述躯干特征参数，p(t|Y)为第一后验概率、p(Y|t)表示人体躯干对应的前景和人体躯干以外的背景之间的颜色差异的第一颜色似然函数、P (t)为第一先验概率，p(t) =Pd(s(t))Ps(s(t)),Ps(s(t)) 为关联于人体躯干面积和宽度的形状先验概率，Pd(s(t))为关联于人体躯干中心和人脸中心之间的距离的位置先验概率。6.根据权利要求5所述的人体姿势检测方法，其特征在于，所述第一颜色似然函数=巧山其中，λ。—是常数，取值范围为(0.5，5)，Bf,b是人体躯干对应的前景和人体躯干以外的背景之间的颜色直方图距离。7.根据权利要求4所述的人体姿势检测方法，其特征在于，所述第一预设次数大于或等于20次。8.根据权利要求2所述的人体姿势检测方法，其特征在于，所述关节特征参数u包括: 头顶的位置(Hx，Hy)、脖子的位置(nx，ny)、肩关节的位置、肘关节的位置、腕关节的位置、人手的位置以及臀部中心点的位置；所述关节特征参数的初始值分别为头顶的位置初始值(Hx0, Hy0)，其中 Hxtl = Fx+c*Deye*sin Θ f, Hy0 = Fy-c*Deye*sin Θ f，其中， c的取值范围为(I. 1,1.3)；脖子的位置初始值、肩关节的位置初始值和臀部中心点的位置初始值与所检测到的人体躯干关联；肘关节的位置初始值与所述人手的位置和肩关节的位置初始值关联；腕关节的位置初始值与所述人手的位置和肘关节的位置初始值关联。9.根据权利要求8所述的人体姿势检测方法，其特征在于，所述肘关节的位置初始值根据下述步骤确定基于人脸部的肤色概率分布和人体躯干的衣服颜色概本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：陈涛，谢菊元，王焱辉，
申请(专利权)人：宁波江丰生物信息技术有限公司，
类型：发明
国别省市：