一种人体姿态检测方法及装置的制造方法
【技术领域】
[0001] 本发明涉及智能安防监控的技术领域，特别涉及一种人体姿态检测方法及装置。
【背景技术】
[0002] 人的姿态检测和跟踪的目的在于，通过对输入的图像进行处理后，得到图像中人 体的姿态。所谓姿态，即为人体的骨架。骨架模型可以作为一种高度抽象的人体姿态表达， 是因为骨架与穿着、长相、性别等无关，只与人的姿态有关。基于骨架模型的这种高度抽象 的特性，检测并跟踪人的姿态，对于分析人的动作和行为具有重要的意义。
[0003] 目前，人体姿态检测的方案是基于图像识别与分类实现的，即：对一幅图像里的每 一个像素进行识别与分类，以分析得出人体的不同部位，最终得到人体的骨架/姿态。
[0004] 现有技术的不足在于：现有基于图像识别与分类的人体姿态检测解决方案需要大 量的计算和数据处理才能实现，计算资源耗费过大。
【发明内容】
[0005] 本发明实施例提出了一种人体姿态检测方法及装置，用以解决现有的人体姿态检 测解决方案中存在的计算资源耗费过大的问题。
[0006] 本发明实施例提供了一种人体姿态检测方法，包括如下步骤：
[0007] 接收含有人体的第一深度图像；
[0008] 将所述第一深度图像转化为三维云模型；
[0009] 根据预先得到的人体姿态气泡模型和所述三维云模型进行优化拟合；其中，所述 预先得到的人体姿态气泡模型是根据预先检测到的人体骨架关节点得到的；
[0010] 根据所述优化拟合结果得到所述第一深度图像中人体骨架关节点坐标值；
[0011] 根据所述第一深度图像中人体骨架关节点坐标值得到所述人体的姿态。
[0012] 本发明实施例提供了一种人体姿态检测装置，包括：
[0013] 接收单元，用于接收含有人体的第一深度图像；
[0014] 转换单元，用于将所述第一深度图像转化为三维云模型；
[0015] 优化单元，用于根据预先得到的人体姿态气泡模型和所述三维云模型进行优化 拟合；其中，所述预先得到的人体姿态气泡模型是根据预先检测到的人体骨架关节点得到 的；
[0016] 关节点坐标获取单元，用于根据所述优化拟合结果得到所述第一深度图像中人体 骨架关节点坐标值；
[0017] 姿态确定单元，用于根据所述第一深度图像中人体骨架关节点坐标值得到所述人 体的姿态。
[0018] 本发明有益效果如下：
[0019] 本发明实施例提供的人体姿态检测方法及装置，通过接收含有人体的深度图像， 将其转化为三维点云模型，将其与预先得到的气泡模型进行优化拟合，以得到该含有人体 的深度图像中的人体骨架关节点坐标值，从而确定人体的姿态。由于本发明实施例中提供 的人体姿态检测方案，基于之前得到的气泡模型和需要检测的深度图像转化后的三维点云 模型进行优化拟合就可以得到人体姿态，不需要对每张深度图像都进行图像识别与分类的 处理计算，提高了人体姿态处理效率，大大节约了计算资源。
【附图说明】
[0020] 下面将参照附图描述本发明的具体实施例，
[0021] 图1为本发明实施例中提供的人体姿态检测方法流程示意图；
[0022] 图2为本发明实施例中的人体姿态气泡模型示意图；
[0023] 图3为本发明实施例中的人体骨架示意图；
[0024] 图4为本发明实施例中的深度图像经过卷积神经网络处理的流程示意图；
[0025] 图5为本发明实施例中的卷积神经网络训练示意图；
[0026] 图6为本发明实施例中的人体姿态检测实现流程示意图；
[0027]图7为本发明实施例中提供的人体姿态检测装置结构示意图。
【具体实施方式】
[0028] 为了使本发明的技术方案及优点更加清楚明白，以下结合附图对本发明的示例性 实施例进行进一步详细的说明，显然，所描述的实施例仅是本发明的一部分实施例，而不是 所有实施例的穷举。并且在不冲突的情况下，本说明书中的实施例及实施例中的特征可以 互相结合。
[0029]图1为本发明实施例中提供的人体姿态检测方法流程示意图，如图1所示，人体姿 态检测方法，可以包括如下步骤：
[0030] 步骤101 :接收含有人体的第一深度图像；
[0031] 步骤102:将第一深度图像转化为三维云模型；
[0032] 步骤103:根据预先得到的人体姿态气泡模型和三维云模型进行优化拟合；其中， 预先得到的人体姿态气泡模型是根据预先检测到的人体骨架关节点得到的；
[0033] 步骤104:根据优化拟合结果得到第一深度图像中人体骨架关节点坐标值；
[0034] 步骤105:根据第一深度图像中人体骨架关节点坐标值得到人体的姿态。
[0035] 具体实施中，接收含有人体的第一深度图像可以采用如下方式：例如，在需要检测 人体姿态的场景中布置深度摄像机，通过深度摄像机定期或不定期地获取含有人体的深度 图像；或者，深度摄像机将深度图像通过有线或无线传输至后台服务器，通过有线或无线传 输从后台服务器获取含有人体的第一深度图像。其中，第一深度图像为需要进行人体姿态 检测处理的深度图像，即，当前需要进行人体姿态检测处理的深度图像。
[0036] 深度图像中每一个像素代表的是该像素对应的人或物与深度摄像机之间的物理 距离。
[0037] 具体实施中，将第一深度图像转化为三维点云模型可以通过三维激光扫描仪扫 描、三维坐标测量机扫描或其他方式实现。点云是在逆向工程中通过测量仪器得到的产品 外观表面的点数据集合，通常使用三维坐标测量机所得到的点数量比较少点与点的间距也 比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云点数量比较大并 且比较密集，叫密集点云。
[0038] 本发明实施例具体实施中，可以根据具体的处理需要选择第一深度图像转化后的 三维点云的疏密程度。
[0039] 图2为本发明实施例中的人体姿态气泡模型示意图，如图2所述，人体姿态气泡模 型在确定人体骨架关节点坐标值的基础上，可以用虚线代表人体的骨架，用圆球代表人体 骨架的关节点和末端点。为模拟人体，在骨架上附着固定数量和大小的圆球（即气泡），圆 球的大小和数量可以根据对于人体的先验信息来确定。
[0040] 根据预先得到的人体姿态气泡模型和转化得到的三维点云模型进行优化拟合，得 到第一深度图像中的人体骨架关节点坐标值。在第一深度图像中人体骨架关节点坐标值已 确定的基础上，对应就可以得到人体的姿态。
[0041] 具体实施中，图3为本发明实施例中的人体骨架示意图，如图3所示，人体骨架可 以包括13个关节点，即：头、左肩、左財、左手、右肩、右財、右手、左跨、左膝、左脚、右跨、右 膝、右脚。选择这13个关节点，基本可以满足人体姿态检测的需要。根据图3中这13个关 节点的位置，可以确定图3中的人体姿态为站立，左手扶腰，右手向左上方指，双腿保持一 定距离站立。
[0042] 本发明实施例提供的人体姿态检测方法，基于之前得到的气泡模型和需要检测的 深度图像转化后的三维点云模型进行优化拟合就可以得到人体姿态，不需要对每张深度图 像都进行图像识别与分类的处理计算，提高了人体姿态处理效率，大大节约了计算资源。 [0043] 实施中，在接收含有人体的第一深度图像之前，还可以包括：得到人体姿态气泡模 型。
[0044] 具体实施中，可以在接收含有人体的第一深度图像的同时，或者，在接收含有人体 的第一深度图像之后，得到人体姿态气泡模型，也可以对含有人体的第一深度图像进行人 体姿态检测。只是，需要在得到该人体姿态气泡模型后，再启动第一深度图像中的人体姿态 检测，处理效率可能受影响，
[0045] 具体实施中，也可以在接收含有人体的第一深度图像之前得到人体姿态气泡模 型，这样，在第一深度图像处理时，就可以直接应用该人体姿态气泡模型，不必花费时间等 待人体姿态气泡模型的获取，使得人体姿态处理效率较高。
[0046] 技术人员可以根据实际需要确定得到人体姿态气泡模型与接收含有人体的第一 深度图像之间的时间先后关系。
[0047] 实施中，得到人体姿态气泡模型，可以具体包括：
[0048] 接收含有人体的第二深度图像；
[0049] 根据第二深度图像确定人体骨架关节点坐标估计值；
[0050] 将人体骨