人体动作的检测与分析技术是近年来迅速发展的一个研究方向,该技术广泛应用于虚拟现实、智能家居、体感游戏等领域。人体关节点定位是动作检测与分析中的关键问题之一,本文从人体骨架线的角点提取及分类、头节点定位、头节点以外的关节点定位等三个方面对这一问题展开工作:(1)对于人体骨架线的角点提取及分类工作,本文首先对人体的深度图像滤波、膨胀腐蚀、二值化等预处理;然后利用Zhang-Suen细化算法,得到人体骨架线;接着利用Shi-Tomasi角点检测算法,提取出人体骨架线的角点;最后将角点分为折点集和端点集两个点集,由于人体关节点就包括在骨架线的端点或折点当中,所以此两个点集可用于头节点以外的人体关节点的筛选。(2)对于头节点的定位,通常的做法是将人体骨架线的头部端点作为头节点,但是最佳的头节点位置是位于头部的中心。为了将头节点定位到头部中心,本文采取的方法是:首先将kinect获取的彩色图像和深度图像进行坐标对齐;然后根据深度图像的有效景深擦除彩色图像中不必要的背景像素,以减少数据的处理量;最后利用camshift运动目标跟踪算法,对人体的脸部区域检测和跟踪,将脸部区域的中心作为头节点的位置。以此方法定位出的头节点的位置近似位于头部中心,误差相对更小。(3)对于头节点以外的关节点定位,通常的做法是根据一般的人体尺寸比例关系,在骨架线上计算出对应的关节点位置。但是在实际生活中,此比例关系却因人而异,若仅仅依靠一般性的人体尺寸比例关系定位出的人体关节点位置误差较大。本文首先从折点集中定位到颈节点;然后以头-颈节点距离为基准,计算出其他节点间的距离;最后以节点间距±20%的范围内,筛选两个点集中的点,以定位人体关节点。以此方法定位到的关节点更接近人体真实的关节点位置。