專利名稱：用于評價人體姿勢識別技術(shù)的方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺與人工智能領(lǐng)域，更具體地涉及用于評價人體姿勢識別技術(shù)的方法和裝置。
背景技術(shù)：
從二維圖像中識別出人體的三維姿勢是計算機視覺與人工智能領(lǐng)域的一個熱點問題，這一技術(shù)可以應(yīng)用于人機交互、視頻監(jiān)控以及數(shù)字信息的分析與理解等領(lǐng)域。然而這一問題也是目前具有挑戰(zhàn)性的難點問題，原因在于1) 二維圖像中的深度信息的丟失使得從二維圖像中推斷三維信息存在不明確性，即可能存在多個可能解；2)人體圖像存在 背景的變化、光照的變化、衣服的變化、不同的視角以及不同的姿勢等因素，這些因素極大的影響了三維姿勢的推斷。目前，對三維姿勢識別技術(shù)的識別結(jié)果的評價方法大多是衡量姿勢估計結(jié)果與姿勢真值之間的距離或誤差，距離或誤差越小則說明綜合評價得分更高。其中姿勢估計的結(jié)果可能是三維XYZ坐標(biāo)值(例如參見非專利文獻(xiàn)1、2和4)，或者三維旋轉(zhuǎn)角度值(例如參見非專利文獻(xiàn)2和3)，因此對這些姿勢識別技術(shù)的評價方法就是衡量XYZ坐標(biāo)值或者旋轉(zhuǎn)角度值與目標(biāo)真值之間的誤差。然而，這種評價方法并不能直觀地反映技術(shù)本身的優(yōu)劣，特別是從技術(shù)應(yīng)用的角度，姿勢評價結(jié)果的誤差大小無法同技術(shù)的可用性和魯棒性直接聯(lián)系，也就無法反映技術(shù)的實用程度。[非專利文獻(xiàn) I]Ankur Agarwal, et al,“A Local Basis Representation forEstimating Human Pose from Cluttered Images，，，ACCV’ 06.[非專利文獻(xiàn) 2]Ben Daubney, et al, “Real-Time Pose Estimation ofArticulated Objects using Low-level Motion”，CVPRj 08.[非專利文獻(xiàn) 3]Alessandro Bissacco, et al,“Fast Human Pose Estimationusing Appearance and Motion vis Multi-Dimensional BoostingRegression，，，ICCV’ 07[非專利文獻(xiàn) 4]Alireza Fathi, Greg Mori, “Human Pose Estimation usingMotion Exemplars”，ICCV’ 0
發(fā)明內(nèi)容
在下文中給出了關(guān)于本發(fā)明的簡要概述，以便提供關(guān)于本發(fā)明的某些方面的基本理解。但是，應(yīng)當(dāng)理解，這個概述并不是關(guān)于本發(fā)明的窮舉性概述。它并不是意圖用來確定本發(fā)明的關(guān)鍵性部分或重要部分，也不是意圖用來限定本發(fā)明的范圍。其目的僅僅是以簡化的形式給出關(guān)于本發(fā)明的某些概念，以此作為稍后給出的更詳細(xì)描述的前序。鑒于現(xiàn)有技術(shù)的上述情形，本發(fā)明的目的是提供用于評價人體姿勢識別技術(shù)的方法和裝置，其可以解決或減輕現(xiàn)有技術(shù)問題中的一個或多個。為了實現(xiàn)上述目的，根據(jù)本發(fā)明的一個方面，提供了一種用于評價人體姿勢識別技術(shù)的方法，包括以下步驟載入步驟，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別步驟，利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類步驟，按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對在所述姿勢識別步驟中得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價步驟，通過比較在所述姿勢分類步驟中得到的每個測試圖像的姿勢類別值與其姿勢類別真值 ，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價步驟，根據(jù)在所述姿勢分類評價步驟中算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了一種用于評價人體姿勢識別技術(shù)的方法，包括以下步驟載入步驟，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別步驟，利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類步驟，按照由多個預(yù)定姿勢類別構(gòu)成的預(yù)定姿勢類別集合，對所述姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價步驟，通過人工判斷在所述姿勢分類步驟中得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價步驟，根據(jù)在所述姿勢分類評價步驟中得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了一種用于評價人體姿勢識別技術(shù)的裝置，包括載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別單元，用于利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過比較由所述姿勢分類單元得到的每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了一種用于評價人體姿勢識別技術(shù)的裝置，包括載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別單元，用于利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對所述姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過人工判斷由所述姿勢分類單元得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了一種用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)，包括輸入裝置，用于輸入測試圖像集；以及處理裝置，其與所述輸入裝置耦接并且包括載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別單元，用于利用所述姿勢識別模塊對所述測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過比較由所述姿勢分類單元得到的每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了一種用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)，包括輸入裝置，用于輸入測試圖像集；以及處理裝置，其與所述輸入裝置耦接并且包括載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別單元，用于利用所述姿勢識別模塊對所述測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿 勢數(shù)據(jù)；姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過人工判斷由所述姿勢分類單元得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的另一個方面，還提供了用于實現(xiàn)上述用于評價人體姿勢識別技術(shù)的方法的計算機程序產(chǎn)品。根據(jù)本發(fā)明的另一個方面，還提供了計算機可讀介質(zhì)，其上記錄有用于實現(xiàn)上述用于評價人體姿勢識別技術(shù)的方法的計算機程序代碼。根據(jù)本發(fā)明的上述技術(shù)方案，可以根據(jù)姿勢分類的精度評價人體姿勢識別技術(shù)的效果，具有更高的適用性和實用性。


本發(fā)明可以通過參考下文中結(jié)合附圖所給出的詳細(xì)描述而得到更好的理解，其中在所有附圖中使用了相同或相似的附圖標(biāo)記來表示相同或者相似的部件。所述附圖連同下面的詳細(xì)說明一起包含在本說明書中并形成說明書的一部分，用來進一步舉例說明本發(fā)明的優(yōu)選實施例和解釋本發(fā)明的原理和優(yōu)點。在附圖中圖I示出了根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的方法的流程圖；圖2示出了典型姿勢圖像集合的示例；以及圖3示出了根據(jù)本發(fā)明另一實施例的用于評價人體姿勢識別技術(shù)的方法的流程圖；圖4示出了根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的裝置的結(jié)構(gòu)框圖；圖5示出了根據(jù)本發(fā)明另一實施例的用于評價人體姿勢識別技術(shù)的裝置的結(jié)構(gòu)框圖；圖6示出了根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)的結(jié)構(gòu)框圖；圖7示出了根據(jù)本發(fā)明另一實施例的用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)的結(jié)構(gòu)框圖；以及圖8示出了其中實現(xiàn)本發(fā)明的計算機的示例性結(jié)構(gòu)框圖。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，附圖中的元件僅僅是為了簡單和清楚起見而示出的，而且不一定是按比例繪制的。例如，附圖中某些元件的尺寸可能相對于其它元件放大了，以便有助于提高對本發(fā)明實施例的理解。
具體實施例方式在下文中將結(jié)合附圖對本發(fā)明的示范性實施例進行 描述。為了清楚和簡明起見，在說明書中并未描述實際實施方式的所有特征。然而，應(yīng)該了解，在開發(fā)任何這種實際實施例的過程中必須做出很多特定于實施方式的決定，以便實現(xiàn)開發(fā)人員的具體目標(biāo)，例如，符合與系統(tǒng)及業(yè)務(wù)相關(guān)的那些限制條件，并且這些限制條件可能會隨著實施方式的不同而有所改變。此外，還應(yīng)該了解，雖然開發(fā)工作有可能是非常復(fù)雜和費時的，但對得益于本公開內(nèi)容的本領(lǐng)域技術(shù)人員來說，這種開發(fā)工作僅僅是例行的任務(wù)。在此，還需要說明的一點是，為了避免因不必要的細(xì)節(jié)而模糊了本發(fā)明，在附圖中僅僅示出了與根據(jù)本發(fā)明的方案密切相關(guān)的裝置結(jié)構(gòu)和/或處理步驟，而省略了與本發(fā)明關(guān)系不大的其它細(xì)節(jié)。首先說明一下，在本文中，測試圖像是指包含人體姿勢的人體圖像，其可以是諸如圖片的靜止圖像或諸如視頻的動態(tài)圖像。下面將參考附圖詳細(xì)描述根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的方法。在本實施例中，輸入的測試圖像具有人體姿勢的目標(biāo)真值，目標(biāo)真值包括姿勢數(shù)據(jù)真值和姿勢類別真值。目標(biāo)真值一般是通過借助外部設(shè)備獲得，如基于光學(xué)或力學(xué)傳感器的運動捕捉系統(tǒng)。圖I示出了根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的方法的流程圖。如圖I所示，根據(jù)本發(fā)明實施例的用于評價人體姿勢識別技術(shù)的方法包括載入步驟S110、姿勢識別步驟S120、姿勢分類評價步驟S130、姿勢分類評價步驟S140以及姿勢識別綜合評價步驟S150。首先，在載入步驟SllO中，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊。在此，在待評價的人體姿勢識別技術(shù)的接口與姿勢識別模塊的預(yù)定接口不一致的情況下，例如，待評價的人體姿勢識別技術(shù)所要求的輸入圖像的格式與姿勢識別模塊所要求的不一致，或者待評價的人體姿勢識別技術(shù)所輸出的姿勢數(shù)據(jù)的類型與姿勢識別模塊輸出的不一致，可以將待評價的人體姿勢識別技術(shù)封裝為具有預(yù)定接口的姿勢識別模塊。假定姿勢識別模塊的輸入為圖像I，輸出為姿勢數(shù)據(jù)P = (Pl,P2,...，Pd)，P是d維實數(shù)向量。在一個示例中，姿勢數(shù)據(jù)包括人體的8個關(guān)節(jié)點的(x，y，z)XYZ坐標(biāo)，即頭部、腰部、左肩、左肘、左腕、右肩、右肘、右腕共八個身體關(guān)節(jié)點，因此d = 24，即姿勢數(shù)據(jù)也可表示為P = (Xl，Υ Z1, X2, y2 , Z2, , X8, y8, Z8)。然而,本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)清楚,姿勢識別模塊輸出的姿勢數(shù)據(jù)不限于上述XYZ三維笛卡爾坐標(biāo)值，其也可以是XY 二維圖像坐標(biāo)值、三維極坐標(biāo)角度值等等。此外，姿勢識別模塊輸出的姿勢數(shù)據(jù)不限于上述八個身體關(guān)節(jié)點，根據(jù)具體應(yīng)用，其可以涉及更多或更少的身體關(guān)節(jié)點。接下來，在姿勢識別步驟S120中，利用所載入的姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)。在此，假設(shè)測試圖像集中每個測試圖像的姿勢數(shù)據(jù)為 Res_P = {Res—P1，Res_P2，. . .，Res_PN}，其中 Res—P1 = (res_P1, res_p2,. . .，res_pd)，N是測試圖像集中的圖像數(shù)量，i是測試圖像集中測試圖像的索引值，其滿足I < i < N。接下來，在姿勢分類步驟S130中，按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值。在此，預(yù)定姿勢類別集合可以包括預(yù)定數(shù)量的任意人體姿勢或者預(yù)定數(shù)量的典型人體姿勢，其中典型人體姿勢依據(jù)不同的應(yīng)用場合會有區(qū)別。圖2示出了典型姿勢圖像集合的一個示例。在一個示例性實現(xiàn)中,假設(shè)預(yù)定姿勢類別集合為Typcial_C_P = (T_P1；T_P2,...,T_Pm)，其中T_P表示預(yù)定姿勢類別集合中每一個預(yù)定姿勢類別的姿勢數(shù)據(jù)，m是預(yù)定姿勢類別集合中的姿勢類別數(shù)目，每一預(yù)定姿勢類別賦予標(biāo)號(C1 ，C2，...，cm)，則預(yù)定姿勢類別集合的類別標(biāo)號集合定義為Typical_C = (c0, C1, c2, . . . , cm),其中Cci是指非預(yù)定姿勢類別的姿勢數(shù)據(jù)，具體分類方法如下I)計算Res_P與預(yù)定姿勢類別集合Typical_C_P中每一個預(yù)定姿勢類別的姿勢距離，這里姿勢距離定義為姿勢數(shù)據(jù)的均方差，即Dist = {I I Res-P-T-P11 12，| | Res_P-T_P2 I2,..., I Res_P-T_Pffl | | J其中|Res—Ρ-Γ_6|2 =相(res— Pl-t_Pif。2)搜索距離集合中的最小距離dist_min，即dist_min = Min (Dist)3)根據(jù)最小距離值賦予當(dāng)前姿勢數(shù)據(jù)的姿勢類別Res_C，依據(jù)如下
c0，IF dist _ min > THclassRes — C = < c, = argmin(伽(I), ELSE，其中叫哪是事先指定的分類距咼閾值，
. i
在本示例中取經(jīng)驗值5.0。在另一個示例性實現(xiàn)中，假設(shè)預(yù)定姿勢類別集合的類別標(biāo)號集合定義為Typical_C = (c0, C1, c2,. . . , cm),其中Cci是指非預(yù)定姿勢類別的姿勢數(shù)據(jù)。對于預(yù)定姿勢類別標(biāo)號集合(C1, c2,, cm)中的每一個預(yù)定姿勢類別Ci, i = 1,2,. . .，m,存在一個姿勢數(shù)據(jù)集合 TypcialJLPi = (Τ—Ρ1，Τ_Ρ2，· · . , T_PL), i = 1,2,. . .，m，其中的 T_P 表示同一個預(yù)定姿勢類別Ci的不同姿勢數(shù)據(jù)，L表示姿勢數(shù)據(jù)的數(shù)目。所有姿勢類別的姿勢數(shù)據(jù)集合為Typcial_C_P_M = (TypicaHP1, Typical_C_P2, . . . , Typical_C_Pm)。具體分類方法如下I)計算Res_P與預(yù)定姿勢類別集合Typical_C_P_M中每一個預(yù)定姿勢類別的姿勢數(shù)據(jù)集合(TypcialJLPi = (LP1，T_P2，, T_PK)，i = 1，2，· · ·，m)中每一個姿勢數(shù)據(jù)的姿勢距離，這里姿勢距離定義為姿勢數(shù)據(jù)的均方差，即Disti = { IRes-P-T-P1I |2，| Res_P-T_P2 |2，· · ·，| |Res_P_T_PK| J , i = 1,2,..,m2)對每一個預(yù)定姿勢類別計算姿勢距離集合Disti, i = 1，2，. . .，m小于事先指定的分類距離閾值的距離個數(shù)ki，即
權(quán)利要求
1.一種用于評價人體姿勢識別技術(shù)的方法，包括以下步驟 載入步驟，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別步驟，利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類步驟，按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對在所述姿勢識別步驟中得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價步驟，通過比較在所述姿勢分類步驟中得到的每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價步驟，根據(jù)在所述姿勢分類評價步驟中算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
2.如權(quán)利要求I所述的用于評價人體姿勢識別技術(shù)的方法，其中在所述載入步驟中，在所述人體姿勢識別技術(shù)的接口與所述姿勢識別模塊的預(yù)定接口不一致的情況下，將所述人體姿勢識別技術(shù)封裝為具有所述預(yù)定接口的所述姿勢識別模塊。
3.如權(quán)利要求I所述的用于評價人體姿勢識別技術(shù)的方法，還包括姿勢數(shù)據(jù)評價步驟，根據(jù)在所述姿勢識別步驟中得到的每個測試圖像的姿勢數(shù)據(jù)與其姿勢數(shù)據(jù)真值，計算姿勢識別準(zhǔn)確率，以及 其中所述姿勢識別綜合評價步驟進一步包括根據(jù)所述姿勢分類準(zhǔn)確率和所述姿勢識別準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
4.如權(quán)利要求I所述的用于評價人體姿勢識別技術(shù)的方法，其中所述測試圖像的姿勢數(shù)據(jù)是XY 二維圖像坐標(biāo)值、XYZ三維笛卡爾坐標(biāo)值、或者三維極坐標(biāo)角度值。
5.如權(quán)利要求I所述的用于評價人體姿勢識別技術(shù)的方法，其中所述姿勢分類步驟進一步包括 計算所述姿勢數(shù)據(jù)與所述預(yù)定姿勢類別集合中的各個預(yù)定姿勢類別之間的距離；以及如果所述距離的最小值大于預(yù)定閾值，則將所述姿勢數(shù)據(jù)的類別值確定為非預(yù)定姿勢類別，否則確定為與所述距離的最小值對應(yīng)的預(yù)定姿勢類別。
6.如權(quán)利要求I所述的用于評價人體姿勢識別技術(shù)的方法，其中所述預(yù)定姿勢類別集合包括預(yù)定數(shù)量的任意人體姿勢或者預(yù)定數(shù)量的典型人體姿勢。
7.一種用于評價人體姿勢識別技術(shù)的方法，包括以下步驟 載入步驟，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別步驟，利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類步驟，按照由多個預(yù)定姿勢類別構(gòu)成的預(yù)定姿勢類別集合，對在所述姿勢識別步驟中得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價步驟，通過人工判斷在所述姿勢分類步驟中得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價步驟，根據(jù)在所述姿勢分類評價步驟中得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
8.如權(quán)利要求7所述的用于評價人體姿勢識別技術(shù)的方法，其中在所述載入步驟中，在所述人體姿勢識別技術(shù)的接口與所述姿勢識別模塊的預(yù)定接口不一致的情況下，將所述人體姿勢識別技術(shù)封裝為具有所述預(yù)定接口的所述姿勢識別模塊。
9.如權(quán)利要求7所述的用于評價人體姿勢識別技術(shù)的方法，其中所述測試圖像的姿勢數(shù)據(jù)是XY 二維圖像坐標(biāo)值、XYZ三維笛卡爾坐標(biāo)值、或者三維極坐標(biāo)角度值。
10.如權(quán)利要求7所述的用于評價人體姿勢識別技術(shù)的方法，其中所述姿勢分類步驟進一步包括 計算所述姿勢數(shù)據(jù)與所述預(yù)定姿勢類別集合中的各個預(yù)定姿勢類別之間的距離；以及如果所述距離的最小值大于預(yù)定閾值，則將所述姿勢數(shù)據(jù)的類別值確定為非預(yù)定姿勢類別，否則確定為與所述距離的最小值對應(yīng)的預(yù)定姿勢類別。
11.如權(quán)利要求7所述的用于評價人體姿勢識別技術(shù)的方法，其中所述姿勢分類評價步驟進一步包括 當(dāng)所述測試圖像包含測試者按照所述預(yù)定姿勢類別集合中的預(yù)定姿勢類別做出的人體姿勢時，通過人工判斷在所述姿勢分類步驟中得到的所述測試圖像的姿勢類別值是否與所述預(yù)定姿勢類別吻合來計算關(guān)于預(yù)定姿勢類別的姿勢分類準(zhǔn)確率，以及當(dāng)所述測試圖像包含測試者做出的所述預(yù)定姿勢類別集合之外的人體姿勢時，通過人工判斷在所述姿勢分類步驟中得到的所述測試圖像的姿勢類別值是否是非預(yù)定姿勢類別來計算關(guān)于非預(yù)定姿勢類別的姿勢分類準(zhǔn)確率；以及 根據(jù)所述關(guān)于預(yù)定姿勢類別的姿勢分類準(zhǔn)確率和所述關(guān)于非預(yù)定姿勢類別的姿勢分類準(zhǔn)確率來計算所述姿勢分類準(zhǔn)確率。
12.如權(quán)利要求7所述的用于評價人體姿勢識別技術(shù)的方法，其中所述預(yù)定姿勢類別集合包括預(yù)定數(shù)量的典型人體姿勢。
13.一種用于評價人體姿勢識別技術(shù)的裝置，包括 載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別單元，用于利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過比較由所述姿勢分類單元得到的每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
14.一種用于評價人體姿勢識別技術(shù)的裝置，包括 載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別單元，用于利用所述姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過人工判斷由所述姿勢分類單元得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
15.一種用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)，包括 輸入裝置，用于輸入測試圖像集；以及 處理裝置，其與所述輸入裝置耦接并且包括 載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別單元，用于利用所述姿勢識別模塊對所述測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過比較由所述姿勢分類單元得到的每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元算出的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
16.一種用于評價人體姿勢識別技術(shù)的計算機系統(tǒng)，包括 輸入裝置，用于輸入測試圖像集；以及 處理裝置，其與所述輸入裝置耦接并且包括 載入單元，用于載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊； 姿勢識別單元，用于利用所述姿勢識別模塊對所述測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)； 姿勢分類單元，用于按照由多個預(yù)定姿勢類別組成的預(yù)定姿勢類別集合，對由所述姿勢識別單元得到的每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價單元，用于通過人工判斷由所述姿勢分類單元得到的每個測試圖像的姿勢類別值是否正確，計算姿勢分類準(zhǔn)確率；以及 姿勢識別綜合評價單元，用于根據(jù)由所述姿勢分類評價單元得到的所述姿勢分類準(zhǔn)確率來計算所述姿勢識別技術(shù)的綜合評價得分。
全文摘要
本發(fā)明公開了用于評價人體姿勢識別技術(shù)的方法和裝置，其中該方法包括載入步驟，載入由待評價的人體姿勢識別技術(shù)構(gòu)成的姿勢識別模塊；姿勢識別步驟，利用姿勢識別模塊對測試圖像集中的每個測試圖像進行人體姿勢識別，得到每個測試圖像的姿勢數(shù)據(jù)；姿勢分類步驟，按照預(yù)定姿勢類別集合，對每個測試圖像的姿勢數(shù)據(jù)進行分類，得到每個測試圖像的姿勢類別值；姿勢分類評價步驟，通過比較每個測試圖像的姿勢類別值與其姿勢類別真值，計算姿勢分類準(zhǔn)確率；以及姿勢識別綜合評價步驟，根據(jù)姿勢分類準(zhǔn)確率來計算姿勢識別技術(shù)的綜合評價得分。根據(jù)本發(fā)明的上述技術(shù)方案，可以根據(jù)姿勢分類的精度評價人體姿勢識別技術(shù)的效果，具有更高的適用性和實用性。
文檔編號G06K9/62GK102622603SQ20111003606
公開日2012年8月1日 申請日期2011年1月31日 優(yōu)先權(quán)日2011年1月31日
發(fā)明者吳偉國, 李亮 申請人:索尼公司