胡敦利 柯浩然 张 维

(北方工业大学现场总线及自动化北京市重点实验室 北京 100144)

0 引 言

机器视觉广泛应用于智能监控、家居安全、医疗监护、智能机器人以及运动员辅助训练[1]等领域。但机器视觉的应用不应该只限于简单的视频监控，而应该以视频中的内容为切入点，分析其中的数据，为人们提供更加智能化的服务，例如通过捕捉人的表情、动作等来预测人的行为或者意图。

经过多年的发展，人体姿势识别的方法大体分为模板匹配法[2]和状态空间法[3]。另一方面，在过去几十年的机器视觉和机器智能领域中，通常选取空间特性或者时间特性作为表征人体特征的描述性信息，再对其进行编码分析。在第1代Kinect发布后，微软剑桥研究院的Shotton等人[3]发表了关于利用骨骼信息进行姿势识别方法的论文，由此引领了一大批学者开始研究基于骨骼信息的人体行为识别。2014年，微软发布了第2代Kinect，在原有的基础上提高了其性能，由此可以为人体姿态识别提供更加丰富和清晰的数据源。但在Linux系统和机器人操作系统(robot operating system，ROS)系统下，由于微软对于Linux系统下开发的支持并不好，所以需要使用第三方软件和一些中间件对Kinect V2进行开发。通过在Linux和ROS系统下开发，可以方便地在机器人上使用Kinect V2获取人体骨架信息，为之后的人体姿态识别提供坚实基础。目前已经有了很多人体动作识别的方法[4]，它们大多数只对完整的动作做分类识别[5-7]。在日常生活中，摄像机捕捉到的人体动作往往是片段的，而非一个完整的行为动作，这就给人体动作识别带来了很大困难，片段的动作可能代表了与完整动作完全不同的含义。……