一种姿态状态的检测方法、系统、设备及介质与流程

1.本发明涉及姿态评估技术领域，尤其涉及一种姿态状态的检测方法、系统、设备及介质。


背景技术：

2.人体姿态估计是人体动作识别、人机交互、视频监控分析等计算机视觉任务的基础，包括起立，蹲下，前后左右移动等。然而，由于人的肢体活动较灵活，各关节自由度高，同时视角及衣着的变化等也会带来人体各部位视觉信息的较大变化，这些都会影响到最终的人体姿态的输出质量，低质量的输出姿态可能包含错误的关节点预测，使人体姿态评估不准确。


技术实现要素：

3.本发明的目的在于提供一种姿态状态的检测方法、系统、设备及介质，检测方法简单可靠，提高了人体姿态评估的准确性。
4.为实现上述目的，第一方面，本发明提供了一种姿态状态的检测方法，包括：获取基底图像；根据相机深度时域波动范围，设定第一阈值；采集探测图像；将所述探测图像与所述基底图像做差分计算，得到差值图；将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)；根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标将当前帧的质心坐标与前m帧的质心坐标对比，判断人体的姿态。
5.本发明提供的姿态状态的检测方法的有益效果在于：通过计算出质心坐标，将当前帧的质心坐标与前m帧的质心坐标对比，即可判断人体的运动姿态，检测方法简单可靠，提高了人体姿态评估的准确性。
6.可选的，所述获取基底图像之前，包括：连续采集n帧背景深度图像，n大于等于1；将采集到的所有所述背景深度图像做均值处理，得到所述基底图像。其有益效果在于：通过将采集到的所有所述背景深度图像做均值处理，得到所述基底图像，防止图像的抖动及其他环境变量的影响，提高了获取基底图像的可靠性。
7.可选的，所述将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)，包括：将所述差值图中所有像素点深度大于或等于所述第一阈值的像素点坐标标记为1；将所述差值图中所有像素点深度小于所述第一阈值的像素点坐标标记为0，得到二值图；对所述二值图进行开运算处理后，将标记为1的像素点坐标通过内参矩阵转换成所述三维坐标(x，y，z)。
8.可选的，所述根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标包括：计算每一帧所述探测图像中的所述三维坐标(x，y，z)的均值，得到所述质心坐标
9.可选的，所述根据当前帧的质心坐标与前m帧的质心坐标对比，包括；将所述当前帧的质心坐标减去所述前m帧的质心坐标得到得到所述判断人体的姿态，包括：将(
△
x，
△
y，
△
z)与预设的第二阈值δ(δx，δy，δz)进行比较；其中，当
△
x》δx时，判断人体向右运动，当|
△
x|《＝δx时，判断人体左右不动，当
△
x《-δx时，判断人体向左运动；当
△
y》δy时，判断人体向下运动，当|
△
y|《＝δy时，判断人体上下不动，当
△
y《-δy时，判断人体向上运动；当
△
z》δz，即判断人体向后运动，当|
△
z|《＝δz时，判断人体前后不动，当
△
z《-δz时，判断人体向前运动。其有益效果在于：通过将所述当前帧的质心坐标减去所述前m帧的质心坐标得到结果与第二阈值做比较，判断出人体的运动姿态。
10.在第二方面，本发明实施例提供一种姿态状态的检测系统，包括：获取模块，用于获取基底图像；存储模块，用于根据相机深度时域波动范围，设定第一阈值，并存储所述第一阈值；采集模块，用于采集探测图像；计算模块，用于将所述探测图像与所述基底图像做差分计算，得到差值图；处理模块，还用于将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)；所述计算模块，还用于根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标识别模块，用于将当前帧的质心坐标与前m帧的质心坐标对比，判断人体的姿态。
11.本发明提供的姿态状态的检测系统的有益效果在于：可判断人体的运动姿态，检测方法简单可靠，提高了人体姿态评估的准确性。
12.可选的，所述获取模块在获取基底图像之前，包括：所述采集模块连续采集n帧背景深度图像，n大于等于1。所述计算模块将采集到的所有所述背景深度图像做均值处理，得到所述基底图像。其有益效果在于：通过将采集到的所有所述背景深度图像做均值处理，得到所述基底图像，防止图像的抖动及其他环境变量的影响，提高了获取基底图像的可靠性。
13.可选的，所述处理模块将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)，包括：将所述差值图中所有像素点深度大于或等于所述第一阈值的像素点坐标标记为1；将所述差值图中所有像素点深度小于所述第一阈值的像素点坐标标记为0，得到二值图；对所述二值图进行开运算处理后，将标记为1的像素点坐标通过内参矩阵转换成所述三维坐标(x，y，z)。
14.可选的，所述计算模块根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标包括：
15.计算每一帧所述探测图像中的所述三维坐标(x，y，z)的均值，得到所述质心坐标
16.可选的，所述识别模块根据当前帧的质心坐标与前m帧的质心坐标对比，判断人体的姿态，包括：
17.所述计算模块将所述当前帧的质心坐标减去所述前m帧的质心坐标得到得到所述识别模块，用于将(
△
x，
△
y，
△
z)与预设的第二阈值δ(δx，δy，δz)进行比较；其中，当
△
x》δx时，判断人体向右运动，当|
△
x|《＝δx时，判断人体左右不动，当
△
x《-δx时，判断人体向左运动；当
△
y》δy时，判断人体向下运动，当|
△
y|《＝δy时，判断人体上下不动，当
△
y《-δy时，判断人体向上运动；当
△
z》δz，即判断人体向后运动，当|
△
z|《＝δz时，判断人体前后不动，当
△
z《-δz时，判断人体向前运动。
18.第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的方法步骤。
19.第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法步骤。
附图说明
20.图1为本发明提供的实施例姿态状态的检测方法的流程图；
21.图2为本发明提供的实施例姿态状态的检测系统结构示意图。
具体实施方式
22.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。除非另外定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本文中使用的“包括”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
23.针对现有技术存在的问题，本发明的实施例提供了一种姿态状态的检测方法，参考图1所示，该方法包括：
24.s101：获取基底图像。
25.该步骤中，在获取所述基底图像之前，连续采集n帧背景深度图像，n大于等于1。将采集到的所有所述背景深度图像做均值处理，得到所述基底图像。
26.通过将采集到的所有所述背景深度图像做均值处理，得到所述基底图像，防止图像的抖动及其他环境变量的影响，提高了获取基底图像的可靠性。
27.s102：根据相机深度时域波动范围，设定第一阈值。
28.s103：采集探测图像。
29.s104：将所述探测图像与所述基底图像做差分计算，得到差值图。
30.该步骤中，即将采集的每一帧的所述探测图像与所述基底图像进行做差分计算，得到所述差值图。
31.s105：将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)。
32.该步骤中，具体的，将所述差值图中所有像素点深度大于或等于所述第一阈值的像素点坐标标记为1，并将所述差值图中所有像素点深度小于所述第一阈值的像素点坐标标记为0，从而得到二值图。接着对所述二值图进行开运算处理，即先腐蚀再膨胀。然后将标记为1的像素点坐标通过内参矩阵转换成所述三维坐标(x，y，z)。即每个标记为1的像素点对应一个三维坐标(x，y，z)。
33.s106：根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标
34.该步骤中，计算每一帧所述探测图像中的所述三维坐标(x，y，z)的均值，即得到所述质心坐标
35.s107：将当前帧的质心坐标与前m帧的质心坐标对比，判断人体的姿态。
36.该步骤中，考虑人体运动的连续性，将所述当前帧的质心坐标减去所述前m帧的质心坐标得到得到然后，将(
△
x，
△
y，
△
z)与预设的第二阈值δ(δx，δy，δz)进行比较，需要说明的是，δx，δy，δz均大于等于0，并且δx，δy，δz的范围，是根据用户希望检测灵敏度的高低来决定的。如果想要精度高一些，就可以把第二阈值设置的小一些。其中，当
△
x》δx时，判断人体向右运动，当|
△
x|《＝δx时，判断人体左右不动，当
△
x《-δx时，判断人体向左运动；当
△
y》δy时，判断人体向下运动，当|
△
y|《＝δy时，判断人体上下不动，当
△
y《-δy时，判断人体向上运动；当
△
z》δz，即判断人体向后运动，当|
△
z|《＝δz时，判断人体前后不动，当
△
z《-δz时，判断人体向前运动。
37.在本实施例中，通过计算出质心坐标将当前帧的质心坐标与前m帧的质心坐标对比，即可判断人体的运动姿态，检测方法简单可靠，提高了人体姿态评估的准确性。
38.在本发明公开的又一个实施例中，提供一种姿态状态的检测系统，参考图2所示，该系统包括：获取模块202，用于获取基底图像；存储模块203，用于根据相机深度时域波动范围，设定第一阈值，并存储所述第一阈值；采集模块201，用于采集探测图像；计算模块205用于将所述探测图像与所述基底图像做差分计算，得到差值图；所述处理模块204，还用于将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)。需要说明的是，所述第一阈值设定的范围根据相机深度时域波动范围而定。所述计算模块205，还用于根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标识别模块206，用于将当前帧的质心坐标与前m帧的质心坐
标对比，判断人体的姿态。
39.可选的，所述获取模块202在获取基底图像之前，包括：所述采集模块201连续采集n帧背景深度图像，n大于等于1；所述计算模块205将采集到的所有所述背景深度图像做均值处理，得到所述基底图像。
40.进一步的，所述处理模块204将所述差值图中像素点的深度大于或等于所述第一阈值的像素坐标转换成三维坐标(x，y，z)，包括：将所述差值图中所有像素点深度大于或等于所述第一阈值的像素点坐标标记为1。将所述差值图中所有像素点深度小于所述第一阈值的像素点坐标标记为0，得到二值图。对所述二值图进行开运算处理后，将标记为1的像素点坐标通过内参矩阵转换成所述三维坐标(x，y，z)。
41.可选的，所述计算模块205根据每一帧图像的所述三维坐标(x，y，z)，计算得到每一帧图像的质心坐标包括：计算每一帧所述探测图像中的所述三维坐标(x，y，z)的均值，得到所述质心坐标
42.可选的，所述识别模块206根据当前帧的质心坐标与前m帧的质心坐标对比，判断人体的姿态，包括：所述计算模块205将所述当前帧的质心坐标减去所述前m帧的质心坐标得到得到所述识别模块206，用于将(
△
x，
△
y，
△
z)与预设的第二阈值δ(δx，δy，δz)进行比较；其中，当
△
x》δx时，判断人体向右运动，当|
△
x|《＝δx时，判断人体左右不动，当
△
x《-δx时，判断人体向左运动；当
△
y》δy时，判断人体向下运动，当|
△
y|《＝δy时，判断人体上下不动，当
△
y《-δy时，判断人体向上运动；当
△
z》δz，即判断人体向后运动，当|
△
z|《＝δz时，判断人体前后不动，当
△
z《-δz时，判断人体向前运动。
43.在本发明公开的还一个实施例中，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的方法步骤。
44.在本发明公开的再一个实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法步骤。
45.以上所述，仅为本技术实施例的具体实施方式，但本技术实施例的保护范围并不局限于此，任何在本技术实施例揭露的技术范围内的变化或替换，都应涵盖在本技术实施例的保护范围之内。因此，本技术实施例的保护范围应以所述权利要求的保护范围为准。