第3期 林海波，等：改进高斯核函数的人体姿态分析与识别 ·437. 述和人体姿态识别。人体动作姿态识别算法是否有 图I(a)所示。Kinect工作原理的核心是通过类似 效通常取决于使用的动作姿态表示特征量，因而针 结构光法的光编码(light coding)技术的方式来获取 对特定问题提出行之有效的动作姿态表示方法成为 深度图像。红外发射器连续地向空间发射光，并给 动作姿态识别研究的重要内容之一。D.Weinland 空间编码，通过普通CMOS合成黑白深度图像，其中 等)提出用MHV(motion history volumes)模板描述 纯黑代表无穷远，纯白代表无穷近。由于不需要特 动作姿态：Wang在2006年提出用轮廓的平均运动 制的感光芯片，极大地降低了成本，越来越多的学者 形状和运动前景的平均运动能2个模板，用最近邻 采用它进行深度图像的采集。本文利用分割技术将 分类器描述动作姿态2)。传统的基于视觉的人体 人体从深度图像背景环境中区分出来，并采用随机 动作姿态检测主要针对二维特征，随着运动捕获技 森林[劉等分类算法将人体各个部位进行区分定位， 术的成熟和推广，高效、快捷获取大量三维的运动数 得出骨骼关节点的坐标信息。每一帧的骨骼图像中 据集已经成为现实。R.Girshick等[)利用Kinect深 都有被跟踪人的姿势，包括20个关节点，并以30 度图像分析人体姿态变化。S.Sempena等4)在 帧/s的速度生成骨骼图像流，实时地重现人体的运 20l1年利用从Kinect深度图像中得到的人体骨骼 动状态，骨骼提取流程如图1(b)所示。 模型，采用关节角描述人体动作姿态。结果表明，相 对于二维特征，基于Kinect传感器的三维运动捕获 RGB 工外线 数据较好地保持了运动细节，并真实地记录了运动 OMS 轨迹，数据精度高，并且相比于人体深度数据，采用 骨骼数据能够更加紧凑和鲜明地反应人体姿态。对 于人体动作姿态识别，常用的方法有动态时间规整 (a)外观 (dynamic time warping,DTW)、动态贝叶斯(dynam- ic Bayesian,DBN)、隐马尔科夫模型(hidden Markov models,HMM)、神经网络等。如A.Veeraraghavan 等s]使用DTW方法匹配动作序列，Luo6)采用动态 贝叶斯网络进行人体动作姿态识别研究，并与HMM 方法进行了比较，F.Buccolieri通过径向基神经网 (b)工作机理 络(radial--basis function,RBF)分析人体轮廓特征来 图1当Kinect外观和工作机理 识别姿态。 Fig.1 The appearance of the Kinect and the mechanism 相比上述方法，基于支持向量机的学习算法利 1.2人体姿态建模和行为描述 用结构风险最小化代替传统模式识别中的经验风险 Kinect传感器获取的景深图像中可以提取出人 最小化，对解决高维数、非线性和小样本的问题很有 体20个关键点的位置信息，本文选取其中的16个 优势。鉴于此，本文提出了一种多类支持向量机人 骨骼点构成人体的骨架模型，每一个关节点的位置 体动作姿态识别方法。该方法运用Kinect骨骼追 用Kinect坐标系下的三维向量表示P:= 踪技术提取人体骨骼模型，并针对人体关节的特点 在关节点处建立球坐标系，利用关节角对人体动作 (x,),其中x:,y:代表在彩色图像上位置，云 表示关节点离传感器的距离。如图2所示，16个骨 姿态进行描述。同时，利用高斯核模型设计了基于 骼点中P,P2,…,P,分别为人体的右侧肩、颈部 测地线距离的姿态核函数，采用二叉树设计多类支 左侧肩、脊柱、髋骨中心、右髋、左髋，共同构成人体 持向量机算法对人体姿态进行识别。 的躯干部分：P。为人体头部；Pg,Po,…,P6代表 1人体姿态表示 人体的四肢部分，包括左右侧肘关节、腕关节、膝关 节和踝关节。在绘制骨架图时，保证了骨架的大小 1.1 Kinect简介 不会因人到传感器位置或者身体的整体平移而发生 Kinect传感器是微软公司开发的一种3D体感 改变，以达到更好的人机交互效果。 摄像机，它由1个红外投影仪、2个摄像头组成，如述和人体姿态识别。 人体动作姿态识别算法是否有 效通常取决于使用的动作姿态表示特征量，因而针 对特定问题提出行之有效的动作姿态表示方法成为 动作姿态识别研究的重要内容之一。 Ｄ． Ｗｅｉｎｌａｎｄ 等［１］提出用 ＭＨＶ（ｍｏｔｉｏｎ ｈｉｓｔｏｒｙ ｖｏｌｕｍｅｓ）模板描述 动作姿态；Ｗａｎｇ 在 ２００６ 年提出用轮廓的平均运动 形状和运动前景的平均运动能 ２ 个模板，用最近邻 分类器描述动作姿态［２］ 。 传统的基于视觉的人体 动作姿态检测主要针对二维特征，随着运动捕获技 术的成熟和推广，高效、快捷获取大量三维的运动数 据集已经成为现实。 Ｒ． Ｇｉｒｓｈｉｃｋ 等［３］利用 Ｋｉｎｅｃｔ 深 度图像分析人体姿 态 变 化。 Ｓ． Ｓｅｍｐｅｎａ 等［４］ 在 ２０１１ 年利用从 Ｋｉｎｅｃｔ 深度图像中得到的人体骨骼 模型，采用关节角描述人体动作姿态。 结果表明，相 对于二维特征，基于 Ｋｉｎｅｃｔ 传感器的三维运动捕获 数据较好地保持了运动细节，并真实地记录了运动 轨迹，数据精度高，并且相比于人体深度数据，采用 骨骼数据能够更加紧凑和鲜明地反应人体姿态。 对 于人体动作姿态识别，常用的方法有动态时间规整 （ｄｙｎａｍｉｃ ｔｉｍｅ ｗａｒｐｉｎｇ， ＤＴＷ）、动态贝叶斯（ｄｙｎａｍ⁃ ｉｃ Ｂａｙｅｓｉａｎ， ＤＢＮ）、隐马尔科夫模型（ｈｉｄｄｅｎ Ｍａｒｋｏｖ ｍｏｄｅｌｓ， ＨＭＭ）、神经网络等。 如 Ａ． Ｖｅｅｒａｒａｇｈａｖａｎ 等［５］使用 ＤＴＷ 方法匹配动作序列，Ｌｕｏ ［６］ 采用动态 贝叶斯网络进行人体动作姿态识别研究，并与 ＨＭＭ 方法进行了比较，Ｆ． Ｂｕｃｃｏｌｉｅｒｉ ［７］ 通过径向基神经网 络（ｒａｄｉａｌ⁃ｂａｓｉｓ ｆｕｎｃｔｉｏｎ， ＲＢＦ）分析人体轮廓特征来 识别姿态。 相比上述方法，基于支持向量机的学习算法利 用结构风险最小化代替传统模式识别中的经验风险 最小化，对解决高维数、非线性和小样本的问题很有 优势。 鉴于此，本文提出了一种多类支持向量机人 体动作姿态识别方法。 该方法运用 Ｋｉｎｅｃｔ 骨骼追 踪技术提取人体骨骼模型，并针对人体关节的特点 在关节点处建立球坐标系，利用关节角对人体动作 姿态进行描述。 同时，利用高斯核模型设计了基于 测地线距离的姿态核函数，采用二叉树设计多类支 持向量机算法对人体姿态进行识别。 １ 人体姿态表示 １．１ Ｋｉｎｅｃｔ 简介 Ｋｉｎｅｃｔ 传感器是微软公司开发的一种 ３Ｄ 体感 摄像机，它由 １ 个红外投影仪、２ 个摄像头组成，如 图 １（ａ）所示。 Ｋｉｎｅｃｔ 工作原理的核心是通过类似 结构光法的光编码（ｌｉｇｈｔ ｃｏｄｉｎｇ）技术的方式来获取 深度图像。 红外发射器连续地向空间发射光，并给 空间编码，通过普通 ＣＭＯＳ 合成黑白深度图像，其中 纯黑代表无穷远，纯白代表无穷近。 由于不需要特 制的感光芯片，极大地降低了成本，越来越多的学者 采用它进行深度图像的采集。 本文利用分割技术将 人体从深度图像背景环境中区分出来，并采用随机 森林［８］等分类算法将人体各个部位进行区分定位， 得出骨骼关节点的坐标信息。 每一帧的骨骼图像中 都有被跟踪人的姿势，包括 ２０ 个关节点，并以 ３０ 帧／ ｓ 的速度生成骨骼图像流，实时地重现人体的运 动状态，骨骼提取流程如图 １（ｂ）所示。 图 １ 当 Ｋｉｎｅｃｔ 外观和工作机理 Ｆｉｇ． １ Ｔｈｅ ａｐｐｅａｒａｎｃｅ ｏｆ ｔｈｅ Ｋｉｎｅｃｔ ａｎｄ ｔｈｅ ｍｅｃｈａｎｉｓｍ １．２ 人体姿态建模和行为描述 Ｋｉｎｅｃｔ 传感器获取的景深图像中可以提取出人 体 ２０ 个关键点的位置信息，本文选取其中的 １６ 个 骨骼点构成人体的骨架模型，每一个关节点的位置 用 Ｋｉｎｅｃｔ 坐 标 系 下 的 三 维 向 量 表 示 Ｐｉ ＝ ｘｉ，ｙｉ，ｚｉ ( ) Ｔ ， 其中 ｘｉ ， ｙｉ 代表在彩色图像上位置， ｚｉ 表示关节点离传感器的距离。 如图 ２ 所示，１６ 个骨 骼点中 Ｐ１ ， Ｐ２ ， … ， Ｐ７ 分别为人体的右侧肩、颈部、 左侧肩、脊柱、髋骨中心、右髋、左髋，共同构成人体 的躯干部分； Ｐ８ 为人体头部； Ｐ９ ， Ｐ１０ ，…， Ｐ１６ 代表 人体的四肢部分，包括左右侧肘关节、腕关节、膝关 节和踝关节。 在绘制骨架图时，保证了骨架的大小 不会因人到传感器位置或者身体的整体平移而发生 改变，以达到更好的人机交互效果。 第 ３ 期 林海波，等：改进高斯核函数的人体姿态分析与识别 ·４３７·