微软Kinect三维测量及人体姿势识别.pdf

《精密测试理论与技术B》 综合设计 题目 微软Kinect 三维测量及人体姿势识别 班 级 测控一班 姓 名 王一霖 学 号 3012210020 指导教师 孙长库 微软Kinect 三维测量及人体姿势识别 王一霖 （精仪学院，测控一班，3012210020） 摘要：微软的kinect 技术已经问世数年，由于它对空间的额测量比较准确，围 绕它可以进行有效的三维测量和姿势识别。本文详细分析介绍了kinect 的三维 人体跟踪算法、深度识别算法、人体姿势识别算法，通过分析Kinect 获取的深 度图信息来对人体轮廓进行区分判定，提取前景目标区域以及计算目标区域的深 度直方图。通过对深度直方图进行分析去除背景区域部分，根据获取的深度直方 图求取跟踪图像的深度反向投影; 最后结合 Camshift 算法确定当前选取目标 区域的尺寸和中心位置来进行对人体的实时跟踪。还利用kinect 进行了导轨直 线度的设计测量，并分析了测量不确定度。 关键词：kinect;深度信息；Camshift 算法；反向投影 1.引言 姿势识别是机器视觉领域的研究热点．被广泛应用在人机交互、行为分析、 多媒体应用和运动科学等领域。姿势识别主要有两种方法。第一种是利用可穿戴 传感器，比如戴在身体上的加速度计或装在衣服上的张力传感器 。可穿戴传感 器具有精确直接的特点，但会对肢体运动造成束缚，会给用户带来额外的负担。 第二种是利用视觉捕捉技术，例如视频或者静态图像，通过对视觉数据的处理来 判断用户的动作。基于视觉捕捉技术在特征表达方面，起初是采用人体轮廓作为 姿势特征表达 。但是轮廓特征从整体角度描述姿势，忽略了身体各部位的细节， 不能精确地表示丰富多彩的人体姿势。有研究 采用基于身体部位的姿势表达， [1] 即把人体轮廓分成若干个身体部位，例如颈部、躯干和腿。 由于这些姿势特征 都是从二维彩色图像中抽取而来．需要处理人体定位、肢体被遮挡、不同光照条 件等问题。近年来，Kinect 等深度传感器不仅提供彩色图像数据，而且提供了 三维深度图像信息。三维深度图像记录了物体与体感器之间的距离，使得获取的 信息更加丰富。利用Kinect 的实时骨骼跟踪技术和支持向量机(support vector machine SVM)识别4 种姿势(站，躺，坐和弯腰)。本文采用Camshift 自适应飘 移算法和深度图像处理对人体进行跟踪，采用逻辑回归算法对54 种姿势进行识 别研究，设计开发实时的人体姿势识别系统，并应用kinect 对导轨直线度进行 测量，并分析不确定度。[2] 2. 跟踪算法 2.1 人体跟踪算法 为了对人体进行持续有效有效的姿势识别，必须使用良好有效的算法对人体 进行跟踪。我采用了连续自适应均值偏移算法 （Cambridge 算法），该算法是以 颜色直方图为目标模型的跟踪算法，可以有效地解决人体目标变形的问题，在简 单背景环境中能取得较好的跟踪效果，但在复杂背景中不能解决大面积同色干扰 等问题。在此基础上可以利用Kinect 传感器获取深度图信息，根据获取的深度 信息结合Camshift 算法来进行对人体的实时跟踪。该算法通过分析Kinect 获 取的深度图信息来对人体轮廓进行区分判定，提取前景目标区域以及计算目标区 域的深度直方图，再对深度直方图进行分析去除背景区域部分; 根据获取的深度 直方图求取跟踪图像的深度反向投影并结合 Camshift 算法确定当前选取目标 区域的尺寸和中心位置对人体实时跟踪。提高了人体跟踪的稳定性及鲁棒性。 [3] 具体算法如下 ： (1)读取第1 帧视频图像，提取出其中的Cb、Cr 颜色分量 (2)通过手动选择确定初始目标及其区域，并以此区域初始化搜索窗口，提 取目标的颜色直方图 (3