近日，iPatLab智能光感知团队在基于三维点云的人体关节点提取方向取得进展，相关成果以“3D Joints Estimation of Human Body Using Part Segmentation”为题，发表于国际知名期刊《Information Sciences》上。

人体行为识别是光信息处理和计算机视觉等交叉学科重点的研究方向之一，在人机交互、虚拟现实、智能监控和智慧医疗等方面具有巨大的应用前景。人体的不同行为可以看作是由关节连接各个刚体部分随时间做连续变化，因此，关节点提取对人体行为识别至关重要。在此基础上，该研究采用简单、低成本Time-of-flight（ToF）深度相机获取人体点云，利用深度学习网络 PointNet++对人体点云进行部分分割，进一步结合数学分析方法提取不同人体部分的关节点三维坐标。定位的结果利用人体位姿数据集进行验证，得出此方法减小了三维关节点的平均距离误差（<4.2 cm）。在此基础上，计算相关关节点之间的欧氏距离，完成人体长度尺寸测量，且采用椭圆拟合方法计算不同围度区域的周长，从而实现人体多个尺寸的非接触测量，该研究在虚拟穿衣、人类健康监测、人机交互等方面具有巨大的潜力。

文章详见：https://www.sciencedirect.com/science/article/pii/S0020025522003607