Human Body Pose Recognition from a Single-View Depth Camera

利用單一相機辨識影像中人體的姿態一直是電腦視覺中一個相當熱門的研究議題，同時具有很多的應用，例如擴增實境、人機介面、電玩遊戲、醫療應用與智慧監控系統。然而，只利用單一相機辨識人體姿態有著許多困難，例如人有很多複雜的姿勢表現以及隨機沒有規律的動作，或是每個動作中身體部位間互相的遮蔽，都會造成單相機人體姿勢辨識系統產生錯誤的辨識結果。 在本研究中，我們提出一個以人體模型為基礎的人體姿態辨識方法。我們比對該模型與深度影像，找出最符合輸入影像的人體模型，進而得到人體真正的姿勢並且辨識人體各個身體部位 (例如: 軀幹、肩膀、手肘、…等)。 為了降低比對過程中得計算複雜度，我們採用階層式比對方法: 先比對出軀幹部分，接著再利用比對出的軀幹資訊找出四肢的部位。 除此之外，為了有效追蹤所偵測出來的身體部位，我們採用粒子濾波器演算法進行人體動作追蹤。該演算法可以有效追蹤隨機運動的物體並且不需要龐大的計算資源。與其他的方法相比較，我們的方法不需要大量的訓練資料與龐大的資料庫，也不需要去尋找一些瑣碎又不通用的特徵點。結果顯示，本研究所提出之人體姿勢辨識方法具有高計算效率以及高精準度，並可以有效追蹤人體之隨機動作與辨識相互遮蔽的人體部位。本系統之追蹤誤差僅0.06公尺，標準差則為0.04公尺，而運行速度則約每秒鐘20幀，使用的運算平台為Intel Core i3-2100 CPU且不需利用圖形處理器進行加速。Recognizing human body poses is a challenging task because of varied human poses and unpredictable human movement. To address these problems, we propose a model-based approach for human body pose recognition from a single-view depth camera. The proposed algorithm applies an articulated cylinder model to detect human pose and track them based on a particle filter without numerous training data or heuristic detectors. To reduce high degrees of freedom, we adopt a hierarchical method that detects torso and limbs successively. Moreover, we take the advantage of a particle filter to track complex human motion and the results show that the proposed system is robust in human motion tracking. The qualitative evaluation shows that our method can deal with self-occlusion problem and ambiguous human motion effectively, and the quantitative evaluation shows that the average tracking error is 0.06 meters with a standard deviation of 0.04 meters. The proposed method tracks human poses successfully at the speed of 20 frames per second on a laptop with Intel Core i3-2100 CPU and without graphic processing unit