论文部分内容阅读
我国社会老龄化问题已经开始显现,许多老人缺乏照料,为了解决这一难题,许多国家把助老机器人研究提高到战略高度,助老机器人目标识别、环境建模、任务作业和导航等关键技术近几十年都获得了突破,所面临的人机交互问题一直没能得到很好的解决,为探索一种适合助老机器人的有效人机交互方法,提出三维人体姿态识别的新方法,即使用深度视觉传感器Kinect克服光线变化,复杂背景条件下的人机交互可靠性差的问题,使助老机器人具有安全友好的交互感知能力。首先本文分析了Kinect的特点,利用Kinect采集人体姿态的深度信息,彩色信息和骨骼点信息,并利用这些信息来构建人体姿态的数据库。为了后续的特征提取以及分类识别不受背景和噪声的干扰,需要对数据库中的图片进行一定的预处理。在进行人体区域分割之前对深度图像进行去噪和平滑处理,去除影响人体区域分割的噪声并使分割效果更佳,得到深度图像中的人体区域之后再对其进行面积阈值去噪。之后进行深度摄像头和彩色摄像头的联合标定,得到坐标转换关系式,将深度图像中人体区域映射到彩色图像中,完成图像的预处理。然后,分别采用轮廓特征参数结合Hu矩、方向梯度直方图(HOG)和人体骨骼特征角对人体姿态的深度信息、彩色信息和骨骼点信息进行表征,在此基础上,利用主成成分分析对构建的特征向量进行处理,实现了数据的降维和冗余的消除,以使后续的分类器构建更加简洁高效。最后结合特征向量的特点确定了boosting框架下基于贝叶斯分类器的分类决策方法,利用贝叶斯分类器来构建针对每类图像信息的弱分类器,再通过boosting思想来对本文提取的多特征进行融合分类,从而完成整个人体姿态的识别。在此基础上,针对数据库中的样本、非特定人样本和不同光照条件下的样本分别进行试验,验证了本文识别算法的有效性,同时证明本文识别算法在一定程度上解决了用户独立性和视角独立性的技术难点,能够在一般环境中有效识别出人体姿态。