公开了能够高精度地估计具有关节的物体的姿势的姿势估计装置。姿势估计装置（100）基于拍摄具有由关节连接的多个部位的物体所得到的图像数据进行物体的姿势估计，具有：基准模型存储单元（140），其按每个姿势存储对部位的位置进行规定的基准模型；加权计算单元（150），其按每个姿势以密集部分的权重小的方式对部位进行加权；以及姿势估计单元（160），其通过应用加权对基准模型和物体进行比较，来估计物体的姿势。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及基于拍摄具有通过关节连接的多个部位的物体所得的图像数据进行该物体的姿势的估计的。
技术介绍
近年来，盛行有关基于拍摄到的动态图像的图像数据进行的人的姿势估计的研究。这是因为，如果能够通过计算机分析根据动态图像判定人的行动，则可以不依赖于人力来进行在各种领域所进行的行动分析。作为行动分析，可例举例如街头的异常行动探测、商店中的购买行动分析、工厂中的 作业高效化辅助、及运动中的姿势指导。因此，例如专利文献I及非专利文献I中记载有基于由单眼相机拍摄到的图像数据来估计人的姿势的技术。专利文献I及非专利文献I中记载的技术(以下称作“现有技术”)中，按每个姿势准备模型图像的剪影(模型剪影)。而且，现有技术中，将与从拍摄图像提取到的剪影(观测对象剪影)之间的相似度最高的剪影的姿势估计为包含于拍摄图像的被摄体的姿势。具体而言，现有技术中，基于模型剪影和观测剪影之间的对每个像素的“逻辑异或”计算剪影距离，且以剪影距离小来判定类似度高。但是，即使为相同的姿势，剪影的轮廓部分的位置及角度的偏差也会较大。因此，现有技术中，越是接近观测剪影的中心的像素，越对其“逻辑异或”进行大的加权，来计算剪影距离。由此，现有技术能够进行对轮廓部分的噪声(偏差)具有鲁棒性的姿势估计。现有技术文献专利文献专利文献1:日本特开2007 - 310707号公报非专利文献非专利文献1:冈田隆三、'> 二 f >力' 匕' 3 >>卟工7卜f用P t Tree-BasedFiltering (二 J 3人体O姿勢推定”，画像O認識 理解'> > 9^ (MIRU2006)，2006年7 月、p. 63 — 69非专利文献2 :下坂正伦、佐藤真、森武俊、佐藤知正、“単眼画像力、^ ^形状特徴全用^ &動作認識法”，全国大会演讲论文集第70次平成20年(5)，社团法人信息处理学会，2008 年 3 月 13 日，p. 5 — 93、p. 5 — 94非专利文献3 P.Viola and M. Jones、Rapid Object Detection Using aBoosted Cascade of Simple Features、〃in Proc.of CVPR、vol.1、December、2001、ppp. 511-518
技术实现思路
专利技术要解决的问题但是，现有技术中存在由于姿势不同而不能高精度地对其进行估计的问题。这是因为，现有技术虽然针对每个部位，基于距部位的中心位置的距离进行加权，但不能有效运用特征性姿势信息。例如对于伸开臂的姿势，前臂为特征性姿势信息，而对于垂下臂的姿势，前臂不是特征性姿势信息，尽管如此，对于所有姿势，其姿势中的前臂的加权都相同。另外，现有技术认为也适用于机器人等具有通过关节连接的多个部位的人以外的各种物体，但该情况下也会产生同样的问题。本专利技术的目的在于，提供能够高精度地估计具有关节的物体的姿势的姿势估计装置、姿势估计系统及姿势估计方法。解决问题的方案本专利技术的姿势估计装置，基于拍摄具有由关节连接的多个部位的物体所得到的图像数据进行所述物体的姿势估计，具有基准模型存储单元，其按每个所述姿势存储规定所述部位的位置的基准模型；加权计算单元，其按每个所述姿势以密集部分的权重小的方式对所述部位进行加权；以及姿势估计单元，其通过应用所述加权对所述基准模型和所述物体进行比较，来估计所述物体的姿势。本专利技术的姿势估计系统，包括姿势估计装置，该姿势估计装置基于拍摄具有由关节连接的多个部位的物体所得到的图像数据进行所述物体的姿势估计，该姿势估计系统具有加权决定装置，该加权决定装置具有第一基准模型存储单元，其按每个所述姿势存储规定所述部位的位置的基准模型；加权计算单元，其按每个所述姿势以密集部分的权重小的方式对所述部位进行加权；以及加权信息存储单元，其存储表示所述加权的加权信息，所述姿势估计装置具有第二基准模型存储单元，存储所述基准模型；加权信息获取单元，从所述加权决定装置获取所述加权信息；以及姿势估计单元，通过应用所获取的所述加权信息对所述基准模型和所述物体进行比较，来估计所述物体的姿势。本专利技术的姿势估计方法，基于拍摄具有由关节连接的多个部位的物体所得到的图像数据，使用按每个所述姿势规定所述部位的位置的基准模型进行所述物体的姿势估计，包括按每个所述姿势以密集部分的权重小的方式对所述部位进行加权的步骤；以及应用所述加权对所述基准模型和所述物体进行比较，由此估计所述物体的姿势的步骤。专利技术效果根据本专利技术，能够高精度地估计具有关节的物体的姿势。附图说明图1是表示一例本专利技术实施方式I的姿势估计装置的结构的框图；图2是表示一例本专利技术实施方式2的姿势估计装置的结构的框图；图3是表示本专利技术实施方式3的姿势估计装置的结构的第一例的框图；图4是用于说明本实施方式3的图像数据的图；图5是表示一例本实施方式3的身体候补估计单元的结构的框图；图6是表示一例本实施方式3的加权计算单元的结构的框图；图7是表示一例本实施方式3的姿势估计装置的动作的流程图；图8是表示一例本实施方式3的部位间最小权重距离计算处理的流程图；图9是示意性表示本实施方式3的基准模型的例和估计似然图所表示的物体的例的图10是用于说明本实施方式3的部位间最小权重距离的计算方法的第一例的第一图；图11是用于说明本实施方式3的部位间最小权重距离的计算方法的第二例的第二图；图12是用于说明本实施方式3的部位间最小权重距离的计算方法的第三例的图；图13是表示一例本实施方式3的加权计算处理的流程图；图14是表示一例本实施方式3的姿势估计处理的流程图；图15是用于说明本实施方式3的欧米茄形状(Q形状)的图；图16是用于说明本实施方式3的从基准线到欧米茄形状的垂直距离的图；图17是表示一例本实施方式3的距离直方图的图；图18是表示一例本实施方式3的二值化后的距离直方图的图；图19是用于说明表示本实施方式3的基准部位的各种参数的图；图20是表不一例本实施方式3的基准部位对应表的内容的图；图21是表不一例本实施方式3的部位区域对应表的内容的图；图22是表示一例本实施方式3的部位区域数据的内容的图；图23是表示一例本实施方式3的估计似然图的图；图24是表示一例本实施方式3的二值化後的估计似然图的图；图25是表示本实施方式3的姿势估计装置的结构的第二例的框图；图26是表示本实施方式3的姿势估计装置的结构的第三例的框图。符号说明100姿势估计装置100 -1加权决定装置100 - 2姿势估计装置110身体限制信息存储单元110 -1第一身体限制信息存储单元110 - 2第二身体限制信息存储单元120图像数据获取单元130身体候补估计单元131部位区域估计单元132部位候补提取单元140基准模型存储单元140-1第一基准模型存储单元140-2第二基准模型存储单元150加权计算单元151部位间最小权重距离计算单元152最大最小权重计算单元153按姿势加权处理单元160姿势估计单元170 -1第一加权存储单元170 - 2第二加权存储单元180 -1第一通信处理单元180 - 2第二通信处理单元200单眼相机300信息输出装置 500姿势估计系统600通信网络具体实施例方本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】2011.03.02 JP 2011-0450121.姿势估计装置，基于拍摄具有由关节连接的多个部位的物体所得到的图像数据进行所述物体的姿势估计，具有基准模型存储单元，其按每个所述姿势存储规定所述部位的位置的基准模型；加权计算单元，其按每个所述姿势以密集部分的权重小的方式对所述部位进行加权；以及姿势估计单元，其应用所述加权对所述基准模型和所述物体进行比较，由此来估计所述物体的姿势。2.如权利要求1所述的姿势估计装置，所述加权计算单元具有部位间最小权重距离计算单元，其按每个所述部位计算部位间最小权重距离，该部位间最小权重距离表示在存在其它部位时该其它部位的存在成为所述估计的噪声的可能性闻的范围；最大最小权重计算单元，其保持权重的范围；以及按姿势加权处理单元，其按每个所述姿势，在所述权重的范围内，对所述基准模型的所述部位中的、在其所述部位间最小权重距离所表示的范围内存在与该部位间最小权重距离对应的所述其它部位的所述部位，决定小的权重，对在其所述部位间最小权重距离所表示的范围内不存在与该部位间最小权重距离对应的所述其它部位的所述部位，决定大的权重。3.如权利要求1所述的姿势估计装置，所述最大最小权重计算单元基于所述姿势估计单元中作为所述比较的对象的部位的数量，以所述部位的数量越多则越宽的方式决定所述权重范围。4.如权利要求3所述的姿势估计装置，所述部位间最小权重距离计算单元对每个所述部位基于该部位的部位粗度计算所述部位间最小权重距离。5.如权利要求4所述的姿势估计装置，所述部位间最小权重距离计算单元对每个所述部位基于该部位...
【专利技术属性】
技术研发人员：川口京子，田靡雅基，丸谷健介，里雄二，藤田光子，
申请(专利权)人：松下电器产业株式会社，
类型：
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。