CN102448564B - 环境和/或目标分割 - Google Patents

环境和/或目标分割 Download PDF

Info

Publication number
CN102448564B
CN102448564B CN2010800246783A CN201080024678A CN102448564B CN 102448564 B CN102448564 B CN 102448564B CN 2010800246783 A CN2010800246783 A CN 2010800246783A CN 201080024678 A CN201080024678 A CN 201080024678A CN 102448564 B CN102448564 B CN 102448564B
Authority
CN
China
Prior art keywords
pixel
depth
depth image
depth value
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2010800246783A
Other languages
English (en)
Other versions
CN102448564A (zh
Inventor
Z·马特
C·C·马雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Corp filed Critical Microsoft Corp
Publication of CN102448564A publication Critical patent/CN102448564A/zh
Application granted granted Critical
Publication of CN102448564B publication Critical patent/CN102448564B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/40—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment
    • A63F13/42—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment by mapping the input signals into game commands, e.g. mapping the displacement of a stylus on a touch screen to the steering angle of a virtual vehicle
    • A63F13/428—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment by mapping the input signals into game commands, e.g. mapping the displacement of a stylus on a touch screen to the steering angle of a virtual vehicle involving motion or position input signals, e.g. signals representing the rotation of an input controller or a player's arm motions sensed by accelerometers or gyroscopes
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/20—Input arrangements for video game devices
    • A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
    • A63F13/213—Input arrangements for video game devices characterised by their sensors, purposes or types comprising photodetecting means, e.g. cameras, photodiodes or infrared cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/53—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game
    • A63F13/533—Controlling the output signals based on the game progress involving additional visual information provided to the game scene, e.g. by overlay to simulate a head-up display [HUD] or displaying a laser sight in a shooting game for prompting the player, e.g. by displaying a game menu
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/80—Special adaptations for executing a specific game genre or game mode
    • A63F13/833—Hand-to-hand fighting, e.g. martial arts competition
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/10—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals
    • A63F2300/1087—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals comprising photodetecting means, e.g. a camera
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/6045—Methods for processing data by generating or executing the game program for mapping control signals received from the input arrangement into game commands
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/60—Methods for processing data by generating or executing the game program
    • A63F2300/66—Methods for processing data by generating or executing the game program for rendering three dimensional images
    • A63F2300/6607—Methods for processing data by generating or executing the game program for rendering three dimensional images for animating game characters, e.g. skeleton kinematics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Abstract

可由捕捉设备观察或捕捉场景的深度图像。深度图像可以包括人类目标和环境。可以分析深度图像的一个或多个像素以确定在深度图像中的像素是否与深度图像的环境相关联。随后可以将与深度图像的环境相关联的一个或多个像素丢弃以隔离人类目标，并对具有隔离的人类目标的深度图像进行处理。

Description

环境和/或目标分割
背景技术
诸如计算机游戏、多媒体应用等之类的许多计算应用使用控制来允许用户操纵游戏角色或应用的其他方面。通常使用例如控制器、遥控器、键盘、鼠标等等来输入这样的控制。不幸的是，这些控制可能是难以学习的，由此造成了用户和这些游戏及应用之间的障碍。此外，这些控制可能与这些控制所用于的实际游戏动作或其他应用动作不同。例如，使得游戏角色挥动棒球球棒的游戏控制可能不与挥动棒球球棒的实际运动相对应。
发明内容
此处公开了用于处理场景的可用于解释人类输入的深度信息的系统和方法。例如，可接收、捕捉或观察场景的深度图像。深度图像可以包括人类目标和环境(例如背景、一个或多个非人类目标前景对象等等)。根据示例实施例，可以分析深度图像以确定与人类目标和环境相关联的一个或多个像素(例如，不与人类目标相关联的像素、或非玩家像素)。随后，将所述与环境相关联的一个或多个像素从深度图像中移除，使得在深度图像中人类目标被隔离。被隔离的人类目标可以用于跟踪人类目标的模型以例如动画化化身和/或控制各种计算应用。
提供本发明内容以便以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。此外，所要求保护的主题不限于解决在本发明的任一部分中提及的任何或所有缺点的实现。
附图说明
图1A和1B示出了伴随用户玩游戏的目标识别、分析和跟踪系统的示例实施例。
图2示出了可在目标识别、分析和跟踪系统中使用的捕捉设备的示例实施例。
图3示出可用于解释目标识别、分析和跟踪系统中的一个或多个姿势的计算环境的示例实施例。
图4示出了可用于解释目标识别、分析和跟踪系统中的一个或多个姿势的计算环境的另一示例实施例。
图5描述了一种用于将人类目标从深度图像的环境中分割开的示例方法的流程图。
图6A示出了可被接收的深度图像的示例实施例。
图6B示出了在图6A中示出的具有从深度图像的环境中分割的或分离出的人类目标的深度图像的示例实施例。
图7示出可包括红外阴影的深度图像的示例实施例。
图8示出了深度图像的示例实施例，其中可以围绕人类目标定义边界框。
图9A示出了具有隔离的人类目标的身体部位的深度图像的示例实施例。
图9B示出了具有从环境中分割的人类目标的图9A的深度图像的示例环境。
图10示出了与深度图像相关联的深度历史数据的示例实施例。
图11A描述了可被捕捉的深度图像的示例实施例。
图11B示出了包括随时间累积的最大深度值的深度历史数据的示例实施例。
图11C示出了具有从环境中分割的人类目标的深度图像的示例实施例。
具体实施方式
如本文中将描述的，用户可通过执行一个或多个姿势来控制在诸如游戏控制台、计算机等计算环境上执行的应用。根据一个实施例，姿势可由例如捕捉设备来接收。例如，捕捉设备可捕捉场景的深度图像。在一个实施例中，可接收、捕捉或观察场景的深度图像。深度图像可以包括人类目标和环境(例如背景、与人类目标不关联的前景对象等等)。在示例实施例中，环境可以包括一个或多个非人类目标，例如墙、家具等等。可以分析深度图像以确定一个或多个像素是否与环境和人类目标相关联。可以移除或丢弃与环境相关联的一个或多个像素以隔离前景对象。随后，可以处理具有隔离的前景对象的深度图像。例如，如上所述，被隔离的前景对象可以包括人类目标。根据示例实施例，可以生成人类目标模型或任意其它期望的形状，并且/或跟踪它们以例如动画化化身和/或控制各种计算应用。
图1A和1B示出伴随用户18玩拳击游戏的目标识别、分析和跟踪系统10的配置的示例实施例。在一示例实施例中，目标识别、分析和跟踪系统10可用于识别、分析和/或跟踪诸如用户18等的人类目标。
如图1A所示，目标识别、分析和跟踪系统10可包括计算环境12。计算环境12可以是计算机、游戏系统或控制台等等。根据一示例实施例，计算环境12可包括硬件组件和/或软件组件，使得计算环境12可用于执行诸如游戏应用程序、非游戏应用程序等应用程序。在一个实施例中，计算环境12可以包括处理器，例如标准化处理器、专用处理器、微处理器等可以执行指令的等价物，所述指令包括例如用于接收场景的深度图像、确定一个或多个像素是否与深度图像的环境相关联、丢弃与深度图像的环境相关联的一个或多个像素以隔离期望的对象(例如在深度图像中的人类目标)、处理具有被隔离的期望的对象的深度图像的指令，这将在下面进行更加详细的描述。
如图1A所示，目标识别、分析和跟踪系统10还可包括捕捉设备20。捕捉设备20可以是，例如可用于在视觉上监视诸如用户18的一个或多个用户从而可以捕捉、分析并跟踪一个或多个用户所执行的姿势和/或移动，来执行应用中的一个或多个控制命令或动作和/或动画化化身或屏上角色的相机。
根据一个实施例，目标识别、分析和跟踪系统10可连接到可向诸如用户18等用户提供游戏或应用视觉和/或音频的视听设备16，如电视机、监视器、高清电视机(HDTV)等。例如，计算环境12可包括诸如图形卡等视频适配器和/或诸如声卡等音频适配器，这些适配器可提供与游戏应用、非游戏应用等相关联的视听信号。视听设备16可从计算环境12接收视听信号，然后可向用户18输出与该视听信号相关联的游戏或应用视觉和/或音频。根据一个实施例，视听设备16可经由例如，S-视频电缆、同轴电缆、HDMI电缆、DVI电缆、VGA电缆等连接到计算环境12。
如图1A和1B所示，目标识别、分析和跟踪系统10可用于识别、分析和/或跟踪诸如用户18等的人类目标。例如，可使用捕捉设备20来跟踪用户18，以使得可将用户18的移动解释为可用于影响由计算机环境12执行的应用程序的控制。因而，根据一个实施例，用户18可移动他或她的身体来控制应用程序。
如图1A和1B所示，在一示例实施例中，在计算环境12上执行的应用程序可以是用户18可能正在玩的拳击游戏。例如，计算环境12可使用视听设备16来向用户18提供拳击对手38的视觉表示。计算环境12还可使用视听设备16来提供用户18可通过他的或她的移动来控制的人类目标化身40的视觉表示。例如，如图1B所示，用户18可在物理空间中挥拳来使得人类目标化身40在游戏空间中挥拳。因此，根据一示例实施例，目标识别、分析和跟踪系统10的计算环境12和捕捉设备20可用于识别和分析用户18在物理空间中的出拳，从而使得该出拳可被解释为对游戏空间中的人类目标化身40的游戏控制。
用户18的其他移动也可被解释为其他控制或动作，诸如上下快速摆动、闪避、滑步、格挡、直拳或挥动各种不同力度的拳等控制。此外，某些移动可被解释为可对应于除控制人类目标化身40之外的动作的控制。例如，人类目标可以使用移动来结束、暂停或保存游戏、选择级别、查看高分、与朋友交流等。另外，用户18的全范围运动可以用任何合适的方式来获得、使用并分析以与应用进行交互。
在各示例实施例中，诸如用户18等人类目标可持有一物体。在这些实施例中，电子游戏的用户可手持物体从而可以使用人类目标和物体的运动来调整和/或控制游戏的参数。例如，可以跟踪并利用人类目标手持球拍的运动来控制电子运动游戏中的屏幕上球拍。在另一示例实施例中，可以跟踪并利用人类目标手持物体的运动来控制电子格斗游戏中的屏幕上武器。
根据其他示例实施例，目标识别、分析和跟踪系统10还可用于将目标移动解释为游戏领域之外的操作系统和/或应用控制。例如，事实上操作系统和/或应用程序的任何可控方面可由诸如用户18等目标的移动来控制。
图2示出可在目标识别、分析和跟踪系统10中使用的捕捉设备20的示例实施例。根据一示例实施例，捕捉设备20可被配置成经由任何合适的技术，包括例如飞行时间、结构化光、立体图像等来捕捉包括深度图像的带有深度信息的视频，该深度信息可包括深度值。根据一个实施例，捕捉设备20可将所计算的深度信息组织为“Z层”，或与从深度相机沿其视线延伸的Z轴垂直的层。
如图2所示，捕捉设备20可包括图像相机组件22。根据一个示例实施例，图像相机组件22可以是可捕捉场景的深度图像的深度相机。深度图像可包括所捕捉的场景的二维(2-D)像素区域，其中2-D像素区域中的每一像素可表示深度值，诸如例如以厘米、毫米等计的、所捕捉的场景中的对象距相机的长度或距离。
如图2所示，根据一示例实施例，图像相机组件22可包括可用于捕捉场景的深度图像的IR光组件24、三维(3-D)相机26、和RGB相机28。例如，在飞行时间分析中，捕捉设备20的IR光组件24可以将红外光发射到场景上，然后，可以使用传感器(未示出)，用例如3-D相机26和/或RGB相机28，来检测从场景中的一个或多个目标和物体的表面反向散射的光。在某些实施例中，可以使用脉冲红外光，使得可以测量出射光脉冲和相应的入射光脉冲之间的时间差并将其用于确定从捕捉设备20到场景中的目标或物体上的特定位置的物理距离。另外，在其他示例性实施例中，可将出射光波的相位与入射光波的相位进行比较来确定相移。然后可以使用该相移来确定从捕捉设备到目标或物体上的特定位置的物理距离。
根据另一示例实施例，可使用飞行时间分析，通过经由包括例如快门式光脉冲成像在内的各种技术来随时间分析反射光束的强度以间接地确定从捕捉设备20到目标或物体上的特定位置的物理距离。
在另一示例实施例中，捕捉设备20可使用结构化光来捕捉深度信息。在这一分析中，图案化光(即，被显示为诸如网格图案或条纹图案等已知图案的光)可经由例如IR光组件24被投影到场景上。在落到场景中的一个或多个目标或物体的表面上时，作为响应，图案可变形。图案的这样的变形可以被例如三维相机26和/或RGB相机28捕捉，然后可以被分析以确定从捕捉设备20到目标或物体上的特定位置的物理距离。
根据另一实施例，捕捉设备20可包括可以从不同的角度观察场景的两个或更多个在物理上分开的相机，以获取可以被解析以生成深度信息的视觉立体数据。
捕捉设备20还可包括话筒30。话筒30可包括可接收声音并将其转换成电信号的换能器或传感器。根据一个实施例，话筒30可以被用来减少目标识别、分析和跟踪系统10中的捕捉设备20和计算环境12之间的反馈。另外，话筒30可用于接收也可由用户提供的音频信号，以控制可由计算环境12执行的诸如游戏应用程序、非游戏应用程序等应用程序。
在示例实施例中，捕捉设备20还可以包括可与图像相机组件22进行可操作的通信的处理器32。处理器32可以包括标准化处理器、专用处理器、微处理器等可以执行指令的等价物，所述指令包括用于接收场景的深度图像、确定一个或多个像素是否与深度图像的环境相关联、丢弃与深度图像的环境相关联的一个或多个像素以隔离期望的对象(例如在深度图像中的人类目标)、处理具有被隔离的期望的对象的深度图像的指令，这将在下面进行更加详细的描述。
捕捉设备20还可以包括存储器组件34，该存储器组件34可以存储可以由处理器32执行的指令、由3-D相机或RGB相机捕捉到的图像或图像的帧、或任何其他合适的信息、图像等等。根据一示例实施例，存储器组件34可包括随机存取存储器(RAM)、只读存储器(ROM)、高速缓存、闪存、硬盘或任何其他合适的存储组件。如图2所示，在一个实施例中，存储器组件34可以是与图像捕捉组件22和处理器32进行通信的单独的组件。根据另一实施例，存储器组件34可被集成到处理器32和/或图像捕捉组件22中。
如图2所示，捕捉设备20可经由通信链路36与计算环境12进行通信。通信链路36可以是包括例如USB连接、火线连接、以太网电缆连接等的有线连接和/或诸如无线802.11b、802.11g、802.11a或802.11n连接等的无线连接。根据一个实施例，计算环境12可以经由通信链路36向捕捉设备20提供时钟，可以使用该时钟来确定何时捕捉例如场景。
另外，捕捉设备20可以通过通信链路36向计算环境12提供深度信息和由例如3-D相机26和/或RGB相机28捕捉到的图像，以及可以由捕捉设备20生成的骨架模型。计算环境12然后可使用该骨架模型、深度信息和捕捉的图像来例如控制例如游戏或文字处理程序之类的应用。例如，如图2所示，计算环境12可包括姿势库190。姿势库190可包括姿势过滤器集合，每一姿势过滤器包括关于骨架模型可执行(在用户移动时)的姿势的信息。可以将由相机26、28和设备20以骨架模型及与之相关联的移动的形式捕捉的数据与姿势库190中的姿势过滤器进行比较，以标识(如由骨架模型所表示的)用户何时执行了一个或多个姿势。那些姿势可与应用的各种控制相关联。因此，计算环境12可使用姿势库190来解释骨架模型的移动并基于该移动来控制应用。
图3示出可用于解释目标识别、分析和跟踪系统中的一个或多个姿势的计算环境的示例实施例。上面参考图1A-2所描述的诸如计算环境12等计算环境可以是诸如游戏控制台等多媒体控制台100。如图3所示，多媒体控制台100具有含有一级高速缓存102、二级高速缓存104和闪存ROM(只读存储器)106的中央处理单元(CPU)101。一级高速缓存102和二级高速缓存104临时存储数据并因此减少存储器访问周期数，由此改进处理速度和吞吐量。CPU 101可以设置成具有一个以上的内核，以及由此的附加的一级和二级高速缓存102和104。闪存ROM 106可存储在多媒体控制台100通电时引导过程的初始阶段期间加载的可执行代码。
图形处理单元(GPU)108和视频编码器/视频编解码器(编码器/解码器)114形成用于高速和高分辨率图形处理的视频处理流水线。经由总线从图形处理单元108向视频编码器/视频编解码器114运送数据。视频处理流水线向A/V(音频/视频)端口140输出数据，用于传输至电视或其他显示器。存储器控制器110连接到GPU 108以方便处理器访问各种类型的存储器112，诸如但不局限于RAM(随机存取存储器)。
多媒体控制台100包括较佳地在模块118上实现的I/O控制器120、系统管理控制器122、音频处理单元123、网络接口控制器124、第一USB主控制器126、第二USB控制器128和前面板I/O子部件130。USB控制器126和128用作外围控制器142(1)-142(2)、无线适配器148、和外置存储器设备146(例如闪存、外置CD/DVD ROM驱动器、可移动介质等)的主机。网络接口124和/或无线适配器148提供对网络(例如，因特网、家庭网络等)的访问，并且可以是包括以太网卡、调制解调器、蓝牙模块、电缆调制解调器等的各种不同的有线或无线适配器组件中任何一种。
提供系统存储器143来存储在引导过程期间加载的应用数据。提供媒体驱动器144，且其可包括DVD/CD驱动器、硬盘驱动器、或其他可移动媒体驱动器等。媒体驱动器144可以是对多媒体控制器100内置的或外置的。应用数据可经由媒体驱动器144访问，以由多媒体控制台100执行、回放等。介质驱动器144经由诸如串行ATA总线或其他高速连接(例如IEEE 1394)等总线连接到I/O控制器120。
系统管理控制器122提供涉及确保多媒体控制台100的可用性的各种服务功能。音频处理单元123和音频编解码器132形成具有高保真度和立体声处理的对应的音频处理流水线。音频数据经由通信链路在音频处理单元123与音频编解码器132之间传输。音频处理流水线将数据输出到A/V端口140以供外置音频人类目标或具有音频能力的设备再现。
前面板I/O子部件130支持暴露在多媒体控制台100的外表面上的电源按钮150和弹出按钮152以及任何LED(发光二极管)或其他指示器的功能。系统供电模块136向多媒体控制台100的组件供电。风扇138冷却多媒体控制台100内的电路。
CPU 101、GPU 108、存储器控制器110、和多媒体控制台100内的各个其他组件经由一条或多条总线互连，包括串行和并行总线、存储器总线、外围总线、和使用各种总线架构中任一种的处理器或局部总线。作为示例，这些架构可以包括外围部件互连(PCI)总线、PCI-Express总线等。
当多媒体控制台100通电时，应用数据可从系统存储器143加载到存储器112和/或高速缓存102、104中并在CPU 101上执行。应用可呈现在导航到多媒体控制台100上可用的不同媒体类型时提供一致的用户体验的图形用户界面。在操作中，媒体驱动器144中包含的应用和/或其他媒体可从媒体驱动器144启动或播放，以向多媒体控制台100提供附加功能。
多媒体控制台100可通过将该系统简单地连接到电视机或其他显示器而作为独立系统来操作。在该独立模式中，多媒体控制台100允许一个或多个用户与该系统交互、看电影、或听音乐。然而，随着通过网络接口124或无线适配器148可用的宽带连接的集成，多媒体控制台100还可作为较大网络社区中的参与者来操作。
当多媒体控制台100通电时，可以保留设定量的硬件资源以供多媒体控制台操作系统作系统使用。这些资源可包括存储器的保留量(诸如，16MB)、CPU和GPU周期的保留量(诸如，5％)、网络带宽的保留量(诸如，8kbs)，等等。因为这些资源是在系统引导时间保留的，所保留的资源对于应用视角而言是不存在的。
具体而言，存储器保留优选地足够大，以包含启动内核、并发系统应用程序和驱动程序。CPU保留优选地为恒定，使得若所保留的CPU用量不被系统应用使用，则空闲线程将消耗任何未使用的周期。
对于GPU保留，通过使用GPU中断来调度代码来将弹出窗口呈现为覆盖图以显示由系统应用程序生成的轻量消息(例如，弹出窗口)。覆盖图所需的存储器量取决于覆盖区域大小，并且覆盖图优选地与屏幕分辨率成比例缩放。在并发系统应用使用完整用户界面的情况下，优选使用独立于应用分辨率的分辨率。定标器可用于设置该分辨率，从而无需改变频率并引起TV重新同步。
在多媒体控制台100引导且系统资源被保留之后，就执行并发系统应用来提供系统功能。系统功能被封装在上述所保留的系统资源中执行的一组系统应用中。操作系统内核标识是系统应用线程而非游戏应用线程的线程。系统应用优选地被调度为在预定时间并以预定时间间隔在CPU 101上运行，以便为应用提供一致的系统资源视图。进行调度是为了把由在控制台上运行的游戏应用所引起的高速缓存中断最小化。
当并发系统应用需要音频时，则由于时间敏感性而将音频处理异步地调度给游戏应用。多媒体控制台应用程序管理器(如下所述)在系统应用程序活动时控制游戏应用程序的音频水平(例如，静音、衰减)。
输入设备(例如，控制器142(1)和142(2))由游戏应用程序和系统应用程序共享。输入设备不是保留资源，而是在系统应用和游戏应用之间切换以使其各自具有设备的焦点。应用管理器较佳地控制输入流的切换，而无需知晓游戏应用的知识，并且驱动程序维护有关焦点切换的状态信息。相机26、28和捕捉设备20可为控制台100定义额外的输入设备。
图4示出了可用于在目标识别、分析和跟踪系统中解释一个或多个姿势的计算环境220的另一示例实施例，该计算环境可以是图1A-2所示的计算环境12。计算系统环境220只是合适的计算环境的一个示例，并且不旨在对所公开的主题的使用范围或功能提出任何限制。也不应该将计算环境220解释为对示例性操作环境220中示出的任一组件或其组合有任何依赖性或要求。在某些实施例中，所描绘的各种计算元素可包括被配置成实例化本发明的各具体方面的电路。例如，本公开中使用的术语电路可包括被配置成通过固件或开关来执行功能的专用硬件组件。其他示例中，术语电路可包括由实施可用于执行功能的逻辑的软件指令配置的通用处理单元、存储器等。在电路包括硬件和软件的组合的示例实施例中，实施者可以编写体现逻辑的源代码，且源代码可以被编译为可以由通用处理单元处理的机器可读代码。因为本领域技术人员可以明白现有技术已经进化到硬件、软件或硬件/软件组合之间几乎没有差别的地步，因而选择硬件或是软件来实现具体功能是留给实现者的设计选择。更具体地，本领域技术人员可以明白软件进程可被变换成等价的硬件结构，而硬件结构本身可被变换成等价的软件进程。因此，对于硬件实现还是软件实现的选择是设计选择并留给实现者。
在图4中，计算环境220包括计算机241，计算机241通常包括各种计算机可读介质。计算机可读介质可以是能由计算机241访问的任何可用介质，而且包含易失性和非易失性介质、可移动和不可移动介质。系统存储器222包括易失性和/或非易失性存储器形式的计算机存储介质，如只读存储器(ROM)223和随机存取存储器(RAM)260。包含诸如在启动期间帮助在计算机241内的元件之间传输信息的基本例程的基本输入/输出系统224(BIOS)通常储存储在ROM 223中。RAM 260通常包含处理单元259可立即访问和/或目前正在操作的数据和/或程序模块。作为示例而非限制，图4示出了操作系统225、应用程序226、其他程序模块227和程序数据228。
计算机241也可以包括其他可移动/不可移动、易失性/非易失性计算机存储介质。仅作为示例，图4示出了从不可移动、非易失性磁介质中读取或向其写入的硬盘驱动器238，从可移动、非易失性磁盘254中读取或向其写入的磁盘驱动器239，以及从诸如CD ROM或其他光学介质等可移动、非易失性光盘253中读取或向其写入的光盘驱动器240。可在示例性操作环境中使用的其他可移动/不可移动、易失性/非易失性计算机存储介质包括但不限于，磁带盒、闪存卡、数字多功能盘、数字录像带、固态RAM、固态ROM等。硬盘驱动器238通常由例如接口234等不可移动存储器接口连接至系统总线221，而磁盘驱动器239和光盘驱动器240通常由例如接口235等可移动存储器接口连接至系统总线221。
以上讨论并在图4中示出的驱动器及其相关联的计算机存储介质为计算机241提供了对计算机可读指令、数据结构、程序模块和其他数据的存储。在图4中，例如，硬盘驱动器238被示为存储操作系统258、应用程序257、其他程序模块256和程序数据255。注意，这些组件可以与操作系统225、应用程序226、其他程序模块227和程序数据228相同或不同。在此操作系统258、应用程序257、其他程序模块256以及程序数据255被给予了不同的编号，以说明至少它们是不同的副本。用户可以通过输入设备，例如键盘251和定点设备252——通常是指鼠标、跟踪球或触摸垫——向计算机241输入命令和信息。其他输入设备(未示出)可包括话筒、操纵杆、游戏手柄、圆盘式卫星天线、扫描仪等。这些和其他输入设备通常通过耦合至系统总线的用户输入接口236连接至处理单元259，但也可以由其他接口和总线结构，例如并行端口、游戏端口或通用串行总线(USB)来连接。相机26、28和捕捉设备20可为控制台100定义额外的输入设备。监视器242或其他类型的显示设备也通过诸如视频接口232之类的接口连接至系统总线221。除监视器之外，计算机还可以包括可以通过输出外围接口233连接的诸如扬声器244和打印机243之类的其他外围输出设备。
计算机241可以使用到一个或多个远程计算机(如远程计算机246)的逻辑连接，以在联网环境中操作。远程计算机246可以是个人计算机、服务器、路由器、网络PC、对等设备或其他常见网络节点，并且通常包括许多或所有以上关于计算机241所描述的元件，但在图4中仅示出了存储器存储设备247。图2中所描绘的逻辑连接包括局域网(LAN)245和广域网(WAN)249，但还可包括其他网络。这些联网环境在办公室、企业范围计算机网络、内联网和因特网中是常见的。
当用于LAN联网环境中时，计算机241通过网络接口或适配器237连接到LAN 245。当在WAN联网环境中使用时，计算机241通常包括调制解调器250或用于通过诸如因特网等WAN 249建立通信的其他手段。调制解调器250，可以是内置的或外置的，可以经由用户输入接口236或其他适当的机制，连接到系统总线221。在联网环境中，相对于计算机241所描绘的程序模块或其部分可被存储在远程存储器存储设备中。作为示例而非限制，图4示出了远程应用程序248驻留在存储器设备247上。应当理解，所示的网络连接是示例性的，并且可使用在计算机之间建立通信链路的其他手段。
图5描绘了用于处理深度信息的示例方法的流程图，包括例如从可由捕捉设备捕捉的深度图像中的环境中分割人类目标。示例方法500可使用例如，参考图1A-4所描述的目标识别、分析和跟踪系统10的捕捉设备20和/或计算环境12来实现。在一示例实施例中，示例方法500可采取可由例如参考图1A-4所描述的目标识别、分析和跟踪系统10的捕捉设备20和/或计算环境12执行的程序代码(即指令)的形式。
根据一实施例，在510，可接收深度图像。例如，目标识别、分析和跟踪系统可包括诸如参考图1A-2描述的捕捉设备20等捕捉设备。捕捉设备20可捕捉或观察可包括一个或多个目标或物体的场景。在一示例实施例中，捕捉设备20可以是深度相机，该深度相机被配置成使用诸如飞行时间分析、结构化光分析、立体视觉分析等任何合适的技术来获得场景的深度图像。
深度图像可以是多个观测到的像素，其中每个观测到的像素具有观测到的深度值。例如，深度图像可包括所捕捉的场景的二维(2-D)像素区域，其中2-D像素区域中的每一像素可表示深度值，诸如例如以厘米、毫米等计的、所捕捉的场景中的对象距捕捉设备的长度或距离。
图6A示出了可在510处被接收的深度图像600的示例实施例。根据一示例实施例，深度图像600可以是由例如以上参考图2所描述的捕捉设备20的3-D相机26和/或RGB相机28所捕捉的场景的图像或帧。如在图6A中所示，深度图像600可以包括对应于例如一个或多个用户(例如上述图1A和1B中所述的用户18)的一个或多个人类目标602、604和一个或多个非人类目标606，例如在捕捉的场景中的墙、桌子、监视器、长椅、天花板等等。根据一个示例实施例，所述一个或多个人类目标602、604可以是玩家或其它被期望从深度图像600的环境中被分割或分离的对象以及可以是深度图像600的环境的一个或多个非人类目标606。
如上所述，深度图像600可包括多个观测到的像素，其中每一观测到的像素具有与其相关联的观测到的深度值。例如，深度图像600可包括所捕捉的场景的二维(2-D)像素区域，其中2-D像素区域中的每一像素可表示深度值，诸如例如以厘米、毫米等计的、所捕捉的场景中的对象或目标距捕捉设备20的长度或距离。在一实施例中，第一深度图像600可被着色从而使得深度图像的像素的不同颜色对应于和/或从视觉上描绘了一个或多个人类目标602、604和非人类目标606离捕捉设备20的不同距离。例如，根据一个实施例，深度图像中与最接近捕捉设备的目标相关联的像素可用红色和/或橙色阴影来着色，而深度图像中与较远的目标相关联的像素可用绿色和/或蓝色阴影来着色。
回头参考图5，在一个实施例中，在505处接收到图像之后，可将该图像降采样到较低的处理分辨率，使得该深度图像可用更少的计算开销来被更容易地使用和/或更快地处理。另外，可从深度图像中移除和/或平滑掉一个或多个高变度和/或含噪声的深度值；可填入和/或重构缺少的和/或移除的深度值的各部分；和/或可对所接收的深度图像执行任何其他合适的处理，使得该深度图像可被处理以例如生成人类目标的模型并跟踪该人类目标的模型，如将在下文更详细描述的。
例如，在一个实施例中，目标识别、分析和跟踪系统可以为在505接收到的深度图像中与红外阴影相关联的像素计算缺少的和/或移除的深度值的各部分。
图7示出可包括红外阴影的深度图像700的示例实施例。深度图像700可包括与例如以上参考图1A和1B所描述的用户18相关联的人类目标602。如图7所示，右手702和左手705可在人类目标602的一部分的前方延伸。
根据一示例实施例，可在人类目标602的一部分的前方延伸的右手702和左手705可生成相应的第一和第二红外阴影708和710。第一和第二红外阴影708和710可包括诸如以上参考图1A-2所描述的捕捉设备20等的捕捉设备所观察或捕捉的深度图像700的部分，其中身体部位可在场景上投射阴影。根据一示例实施例，捕捉设备可观察或捕捉无效深度值，如与深度图像中其中身体部位可在场景上投射阴影的部分相关联的像素的零深度值。
第一和第二红外阴影708和710可以将一身体部位与人类目标602的另一身体部位分离开。例如，如在图7中所示，第一红外阴影708可以将右手702从例如人类目标602的右臂中分离开。根据示例实施例，第一和第二红外阴影708和710可以用无效深度值将身体部位分离。例如，与第一和第二红外阴影708和710部分相关联的像素可以具有无效深度值。无效深度值可以将身体部位(例如右手702)从例如人类目标602的右臂中分离，其中右臂可以具有有效、非零的深度值。
在一个实施例中，与诸如红外阴影708的红外阴影相关联的像素的深度值可以被替换。例如，目标识别、分析和跟踪系统可以为阴影估计可替换无效深度值的一个或多个深度值。根据一个实施例，可以基于邻近的非阴影像素来估计红外阴影像素的深度值。例如，目标识别、分析和跟踪系统可标识红外阴影像素。一旦标识了红外阴影像素，目标识别、分析和跟踪系统就可以确定与所述红外阴影像素相邻的一个或多个像素是否具有有效的深度值。如果与红外阴影像素相邻的一个或多个像素具有有效的深度值，则可基于相邻像素的有效的深度值来生成红外阴影像素的深度值。例如，在一个实施例中，目标识别、分析和跟踪系统可以对与所述阴影像素相邻的像素的有效的深度值进行估计或内插。目标识别、分析和跟踪系统还可将具有有效的深度值的相邻像素之一的深度值分配给阴影像素。
根据一个实施例，目标识别、分析和跟踪系统可标识其他红外阴影像素，并且如上所述地为这些像素计算深度值直到每一个红外阴影像素都可具有与其相关联的深度值。由此，在一示例实施例中，目标识别、分析和跟踪系统可基于具有与其相关联的有效深度值的邻近或相邻像素对每一个红外阴影像素的值进行内插。
另外，在另一示例实施例中，目标识别、分析和跟踪系统可基于先前帧的深度图像为一个或多个红外阴影像素计算深度值。如上所述，诸如以上参考图1A-2所描述的捕捉设备20等的捕捉设备可捕捉帧中的场景。每一帧可包括一深度图像。例如，所述系统可判定先前帧的相应像素是否具有有效的深度值。基于该判定，所述系统可用先前帧的相应像素的深度值来替换当前深度图像中的红外阴影像素的深度值。
在515，可扫描深度图像中的人类目标来寻找一个或多个身体部位。例如，在接收到深度图像后，目标识别、分析和跟踪系统可以确定深度图像是否包括诸如上述参考图6A描述的人类目标602和604这样的人类目标，人类目标对应于例如上述参考图1A和1B描述的诸如用户18这样的用户。在一个实施例中，为了确定深度图像是否包括人类目标，目标识别、分析和跟踪系统可以泛色填充深度图像中的每个目标或物体，然后将每个经泛色填充的目标或物体与和人在各个位置和姿势下的身体模型相关联的图案相比较。然后可以扫描与图案相匹配的经泛色填充的目标或人类目标，以确定包括位置和/或诸如与一个或多个身体部位相关联的长度、宽度等度量在内的各个值。例如，可以隔离与图案相匹配的经泛色填充的目标或人类目标，并且可以创建人类目标的诸如二进制掩码的掩码。可以通过例如对人类目标进行泛色填充来创建掩模，以便人类目标可以与场景元素中的其他目标或物体分开。然后可以分析掩码以确定一个或多个身体部位的位置和/或度量。根据一个实施例，可以基于一个或多个身体部位的位置和/或度量来生成模型，例如人类目标的骨架模型、网格人类模型等。
在一个实施例中，在515处扫描人类目标之前，目标识别、分析和跟踪系统可在510确定深度图像中的人类目标先前是否已被扫描。例如，诸如以上参考图1A-2所描述的捕捉设备20等的捕捉设备可按帧来捕捉场景。每一帧可包括一深度图像。可如上所述分析每一帧的深度图像来确定深度图像是否可包括人类目标。可进一步分析每一帧的深度图像来确定先前是否已经扫描了人类目标来寻找一个或多个身体部位。例如，在510，目标识别、分析和跟踪系统可确定在505接收到的深度图像中的人类目标是否对应于先前在515处扫描的人类目标。在一个实施例中，在510，如果该人类目标不对应于先前扫描的人类目标，则然后可在515处扫描该人类目标。因此，根据一示例实施例，人类目标可以在初始帧和由捕捉设备捕捉的包括人类目标的初始深度图像内扫描一次。根据另一实施例，目标识别、分析和跟踪系统可以在包括人类目标的每个接收到的深度图像中扫描人类目标以寻找一个或多个身体部位。可以将与一个或多个身体部位的例如度量相关联的扫描结果进行平均。
在520，可确定深度图像的环境。例如，如上所述，深度图像可以是二维(2-D)像素区域中的多个所观察的像素，其中每一所观察的像素具有所观察的深度值。在一个实施例中，目标识别、分析和跟踪系统可确定深度图像中的一个或多个像素是否可与人类目标或深度图像的环境相关联。如上所述，深度图像的环境可以包括，例如，在深度图像中的在人类目标之后的环境物体、在人类目标之上的环境物体、围绕人类目标的左和右侧的环境物体、在人类目标前面的环境物体等等。
在一示例实施例中，目标识别、分析和跟踪系统可通过最初定义围绕诸如在505接收到的深度图像中的每一人类目标等的每一前景对象的边界框来确定深度图像的环境。例如，目标识别、分析和跟踪系统可为所接收的深度图像中的每个人类目标(例如上面参照图6A所述的人类目标602、604)定义边界框。根据一个示例实施例，可以基于与人类目标相关联的质心(centroid)和/或身体度量来定义边界框。例如，如上所述，在515，目标识别、分析和跟踪系统可以扫描所接收的深度图像中的人类目标以寻找一个或多个身体部位。该边界框可由基于例如515处的扫描确定的质心和/或度量来定义。在为每一人类目标定义了边界框之后，深度图像中在该边界框外部的像素可被标识为环境。
图8示出了深度图像800的示例实施例，其中可以环绕人类目标定义边界框802。如在图8中所示，可以由第一边804a、第二边804b、第三边804c和第四边804d来定义边界框802。在一个实施例中，可以基于人类目标602的质心和/或一个或多个身体度量来计算边界框702的第一、第二、第三和第四边804a-804d。在一个实施例中，可以基于如上所述的扫描来计算人类目标602的质心。例如，质心可以是例如人类目标的几何中心的关节或交点的表示。根据一个实施例中，由所述扫描所确定的一个或多个身体部位可被用于计算质心。例如，可以对在具有像素可能与身体部位相关联的阈值概率的深度图像中每个像素的坐标进行平均以计算质心。或者，可以基于由扫描所确定的身体部位的度量和/或位置的线性回归来确定质心。
随后，可以将与一个或多个身体部位相关联的诸如长度、宽度等的身体度量和所计算的质心用于确定边界框802的边。例如，可以由各个第一、第二、第三和第四边804a-804d的交叉点来定义边界框802。根据一个示例实施例，可以通过将度量(例如通过扫描确定的各个左臂和右臂相关联的长度)加入到与在左臂方向和右臂方向上的质心相关联的X值中来确定第一边804a和第三边804c的位置。另外，在一个实施例中，可以基于与人类目标的头顶和通过扫描确定的脚底的位置相关联的Y值来确定第二边804b和第四边804d的位置。随后，由例如第一边804a和第二边804b、第一边804a和第四边804d、第三边804c和第二边804b以及第三边804c和第四边804d的交叉点来定义边界框802。
根据示例实施例，在为人类目标602定义边界框之后，在深度图像800的边界框802之外的像素可以被标识为深度图像800的非人类目标像素或与环境相关联的像素。
参考回图5，在一实施例中，目标识别、分析和跟踪系统可以在520通过将与诸如人类目标的人类目标相关联的一个或多个像素的泛色填充来进一步确定深度图像的环境。例如，目标识别、分析和跟踪系统可通过比较附近像素的各种深度值来检测例如，诸如人类目标的前景对象的边缘，使得人类目标的边缘内的像素可被泛色填充。
根据示例实施例，目标识别、分析和跟踪系统可通过比较可在边界框(例如如上参照图8所述的边界框802)之内的附近像素的各种深度值来检测例如，诸如人类目标的前景对象的边缘。例如，如上所述，可以定义围绕人类目标的边界框。可以将在边界框之外的像素标识为深度图像的环境。目标识别、分析和跟踪系统随后可以分析边界框内的像素以确定像素是与人类目标还是与环境相关联，以便检测前景对象的边缘。
在一个实施例中，目标识别、分析和跟踪系统可进一步选择预定数目的采样点作为分析边界框内的像素的起始点以确定像素是与人类目标还是与环境相关联。例如，目标识别、分析和跟踪系统可以随机选择边界框内的一个或多个采样点。在一个实施例中，与随机选择的采样点相关联的像素可以是可用于初始地比较像素以检测诸如人类目标的前景对象的边缘的参考像素，这将在下面详细描述。
图9B示出可以具有一个或多个分离的身体部位和在例如边界框内选择的预定数目的采样点902的深度图像1000的示例实施例。在示例实施例中，可以基于人类目标602的质心来选择采样点902。例如，如在图9B中所示，目标识别、分析和跟踪系统可以随机选择例如采样点902。采样点902可以包括位于围绕人类目标602的质心的各个位置处的16个采样点。
根据另一实施例，采样点902的各个位置可以是使用例如形状来随机选择的。例如，如菱形形状的形状可用于随机选择采样点902。沿例如诸如菱形形状的形状的各个位置可以被选择作为采样点902。
另外，采样点902的各个位置可以基于例如由扫描确定的人类目标602的一个或多个身体部位。例如，可以基于人类目标的肩宽、体长、臂长等来选择采样点902的各个位置。另外，可选择采样点902以覆盖例如人类目标602的上身、下身或上身和下身的组合。
参考回图5，目标识别、分析和跟踪系统可以检测人类目标(例如上面参考图6A和9在520处所述的人类目标602、604)的边缘。根据一示例实施例，目标识别、分析和跟踪系统可通过使用预定边缘容限来分析例如边界框内的各个像素来检测人类目标的边缘。如上所述，在一个实施例中，目标识别、分析和跟踪系统可以选择预定数目的采样点作为起始点以使用预定边缘容限来检测人类目标的边缘。使用与采样点相关联的像素作为初始参考，可以通过将与像素的相邻的或附近的像素相关联的各种深度值进行比较以检测人类目标的边缘来确定所述边缘。这样，根据示例实施例，可以将例如以与采样点相关联的像素开始的每个像素与相邻的或附近的像素进行比较以使用预定边缘或动态计算的边缘容限来检测人类目标的边缘。
根据示例实施例，如果正被比较的各种深度值可大于预定边缘容限，则这些像素可定义一条边。在一实施例中，预定边缘容限可以是例如100毫米。如果表示1000毫米的深度值的像素可与表示1200毫米的深度值的相邻像素进行比较，则这些像素可定义诸如人类目标602、604的人类目标的一条边，因为像素之间的长度或距离之差大于预定边缘容限100mm。
根据示例实施例，边缘容限值可以在像素之间变化。例如，对于在人类目标胸前的像素，可以使用较高的容限值来检测人类目标边缘。例如，人类目标可以在他/她的胸前握紧他/她的手臂。为了精确地检测出人类目标602的手的边缘，目标识别、分析和跟踪系统可以使用较高的容限值。在另一示例中，人类目标从他/她的躯体向远方伸展他/她的手臂。在该示例中，目标识别、分析和跟踪系统可以使用较低的容限值来检测人类目标的手的边缘。根据一个实施例，可以基于例如像素的位置、人类目标的手臂长度和/或人类目标的肩宽来确定可变边缘容限。根据另一个示例实施例，可以内插可变边缘容限使得所检测的边是平滑曲线。
在一个实施例中，可以泛色填充所检测人类目标的边缘内的像素以隔离和/或标识诸如人类目标602、604的人类目标。随后可以标识没有被泛色填充的像素或将其与深度图像的环境相关联，以便移除所述像素，这将在下面进行详细描述。
根据示例实施例，可以将人类目标602的一个身体部位与该人类目标的另一身体部位分离开来。例如，如上面参考图7所述，身体部位可投下红外阴影，使得该身体部位可与该人类目标的另一身体部位分开。在另一示例实施例中，诸如头等身体部位可通过例如面部毛发、各种服装物品等与人类目标的躯干分开。
另外，如上所述，身体部位可通过例如面部毛发、各种服装物品等由无效深度值来分开。例如，捕捉设备(例如如上面参照图1A-2所述的捕捉设备20)可以捕捉或观察无效深度值，例如与面部毛发、各种服装物品等相关联的一个或多个像素的零或无效深度值。如上所述，在一个实施例中，目标识别、分析和跟踪系统可以估计与面部毛发、各种服装物品等相关联的一个或多个像素的有效深度值。在估计了有效深度值之后，还可以分离身体部位。例如，目标识别、分析和跟踪系统可能不能估计面部毛发、各种服装物品等的每个像素的有效深度值。根据示例实施例，目标识别、分析和跟踪系统可以确定具有这些像素的无效深度值的深度图像的环境。
图9A-9B示出了可以具有一个或多个分离的身体部位的深度图像1000的示例实施例。如图9A所示，深度图像1000可以包括人类目标602。在示例实施例中，人类目标602可以具有头1002、胡须1005和躯干1007。如图9A所示，头1002可以通过胡须1005从躯干1007分离。根据示例实施例，目标识别、分析和跟踪系统可以使用具有如上所述随机选择的采样点的多采样泛色填充以标识并泛色填充一个或多个隔离的身体部位，例如人类目标602的头1002。
如图9B所示，头1002和躯干1007两者都可以被泛色填充作为与人类目标602相关联的像素，尽管胡须1005将头1002与躯干1007分离开来。例如，如上所述，目标识别、分析和跟踪系统可以以例如围绕人类目标602的质心的菱形形状来随机生成预定数目的采样点802。如图9B所示，采样点902的三个采样点可以与头1002的像素相关联。依据这三个采样点，目标识别、分析和跟踪系统可以确定与头1002相关联的像素属于人类目标602的头，并且因此，泛色填充被隔离的头1002作为目标像素。
如上所述，每个采样点可以用作起始点以确定像素是否与人类目标相关联，以便泛色填充人类目标。例如，目标识别、分析和跟踪系统可以在可以是人类目标602的质心的第一采样点处开始泛色填充。此后，目标识别、分析和跟踪系统可以挑选第二采样点以确定像素是否与人类目标602相关联。
在一个示例实施例中，目标识别、分析和跟踪系统可以检查每个采样点的深度值。例如，如果第二采样点的深度值接近于人类目标602的质心的深度值或在离人类目标602的质心的深度值的预定容限之内，则目标识别、分析和跟踪系统可以将该采样点标识为与人类目标602的被隔离的身体部位相关联。如上所述，根据一个示例实施例，基于包括但不限于与一个或多个身体部位相关联的位置和/或诸如长度、宽度等的度量的值来确定预定容限。这样，根据一个示例实施例，目标识别、分析和跟踪系统可以将采样点用作起始点以确定像素是否与人类目标相关联，以便泛色填充所述像素。
参考回图5，在520，目标识别、分析和跟踪系统可以使用深度历史数据来确定深度图像的环境或非人类目标像素。例如，目标识别、分析和跟踪系统可以通过如上所述的泛色填充来确定像素是否与人类目标相关联。如果基于泛色填充该像素不与人类目标相关联，则目标识别、分析和跟踪系统可将该像素作为环境的一部分而丢弃。如果像素看上去是与人类目标相关联的像素，则目标识别、分析和跟踪系统可以相对于深度历史数据来分析该像素，所述深度历史数据包括例如该像素的历史最大深度值、平均或标准偏差。例如，如上所述，诸如以上参考图1A-2所描述的捕捉设备20的捕捉设备可捕捉帧中的场景。每一帧可包括一深度图像。对每个帧的深度图像(例如如图6A所示的深度图像600)进行分析以提取和/或存储其内的每个像素的历史最大深度值。
图10描述了深度历史数据1100的示例实施例。最大深度值可以是例如可以是例如墙1140、长椅1145的距离、在腿1150、天花板1155、地板1160或捕捉设备20所捕捉的其它对象之后的估计的深度值的表示。根据示例实施例，深度历史数据可以捕捉与深度图像的环境相关联的一个或多个对象的深度值。这样，在一个实施例中，深度历史数据可以捕捉或观察环境的深度值，就好像捕捉了具有从捕捉设备20的视野中移除的人类目标602的场景。
根据一个实施例，可以估计深度历史数据中像素的最大深度值。例如，如在图11A中所示，用户(例如在如上参考图1A-2中所述的用户18)可以站在墙的前面。目标识别、分析和跟踪系统可以捕捉或观察可以与用户18相关联的深度图像800中的人类目标602。目标识别、分析和跟踪系统可以如上所述扫描人类目标602以找到人类目标的位置。目标识别、分析和跟踪系统随后可以估计与由扫描所确定的人类目标602的位置之后的墙相关联的像素的深度值，以便将估计的深度值包括在深度历史数据中。例如，目标识别、分析和跟踪系统可以记录和/或存储由捕捉设备20所捕捉的墙840的深度值来作为与墙相关联的像素的最大深度值。目标识别、分析和跟踪系统随后可以基于与墙相关联的一个或多个围绕像素的深度值来估计由人类目标602所覆盖的墙的像素的深度值。这样，根据示例实施例，目标识别、分析和跟踪系统可以聚集和/或分析信息(例如围绕人类目标602的一个或多个对象的深度值)来精确地移除深度图像的环境。
根据一个实施例，当诸如捕捉设备20的捕捉设备逐帧观察或捕捉到深度图像时，可以更新深度历史数据中的最大深度值。例如，在第一个帧，深度图像可以捕捉到在帧的左半边的人类目标602，而在帧的右半边的环境对象可以被展示给相机。可以更新深度历史数据中的最大深度值以反映与帧的右侧上的环境对象相关联的像素的深度值。例如，当人类目标602移动到帧的右半边时，可以将在帧的左手侧上的环境对象展示给捕捉设备20。可以更新深度历史数据中的最大深度值以反映与相机视野的左半边上的环境对象相关联的像素的深度值。换句话说，当人类目标逐帧移动时，环境对象可以对捕捉设备可见，以便更新深度历史数据以反映与环境对象相关联的像素的深度值。
在示例实施例中，目标识别、分析和跟踪系统可以为每个帧中的像素子集更新最大深度值。例如，一个帧可以包括预定数目的扫描线等。在一个实施例中，目标识别、分析和跟踪系统可以通过在时间上平均或其它在多个帧上更新历史像素的合适的机制，在从上到下方向上对每帧上的一条水平扫描线上的像素的最大深度值进行更新。在其它实施例中，系统可以在从下到上方向上更新像素的最大深度值，或在从左到右方向上或在从右到左方向上等等来更新每帧的一条垂直扫描线。因此，可以逐步更新一个帧的最大深度值以保持跟踪相机视野中的对象。
根据示例实施例，可以将正被检查的像素的深度值与基于深度历史数据的像素的最大深度值进行比较。例如，如果正被采样的像素具有与像素的历史最大深度值相同的深度值，目标识别、分析和跟踪系统可以确定该像素可以与深度图像的环境相关联。或者，在一个实施例中，如果正被检查的像素的深度值小于该像素的历史最大深度值例如如上所述的预定容限，则目标识别、分析和跟踪系统可以确定该像素可以与例如人类目标的前景对象相关联，并且可以随后泛色填充该像素。这样，根据示例实施例，深度历史数据可以用于认证像素可以与人类目标相关联。图11A描绘了可被捕捉的深度图像的示例实施例。深度图像可以包括接触墙840的人类目标602。根据示例实施例，人类目标602的手和墙840可以具有类似于如在深度图像的部分810内的区域中所示的深度值。在示例实施例中，如果在手和墙840之间的深度值差值足够小或小于预定容限，则目标识别、分析和跟踪系统可能不能检测出手的边缘。这样，在一个示例实施例中，目标识别、分析和跟踪系统可以使用深度历史数据来确定在部分810中的像素是否与环境或人类目标602相关联。
图11B描述了深度历史数据的示例实施例，它可以包括在多个帧上累积的最大深度值。如上所述，深度历史数据可以提供对围绕人类目标的环境的深度值的估计。如图11B所示，深度历史数据可以包括与墙840相关联的像素的深度值。例如，在部分820内的区域可以捕捉与墙840相关联的像素的深度值，这些像素被图11A中的深度图像800中的人类目标602的手所覆盖。根据一个实施例，目标识别、分析和跟踪系统可以将图11A的部分810内的像素的深度值与图11B的部分820内对应的像素的深度历史数据中的最大深度值进行比较。如果部分810中的像素的深度值具有与部分820内的像素的历史最大深度值相同的值，则目标识别、分析和跟踪系统可以确定该像素可以与墙840相关联。部分810中与墙840相关联的像素随后可以被作为环境而被丢弃，如图11C中所示。
或者，如果部分810中的像素的深度值小于部分1020中的像素的历史最大深度值，则目标识别、分析和跟踪系统可以确定该像素可以与人类目标602相关联，以便泛色填充该像素。
根据一个实施例，目标识别、分析和跟踪系统可以在检测到具有小的预定容限值的边时来检查深度历史数据。例如，目标识别、分析和跟踪系统可以确定在可以定义边的两个像素之间的深度差是否在预定容限值之内。如果深度差小于预定值，则目标识别、分析和跟踪系统可以进行访问深度历史数据。在示例实施例中，可以基于由捕捉设备(例如在图1A-2中示出的捕捉设备20)所接收到、捕捉到或观察到的深度图像中的噪声来预定容限值。容限值还可以根据捕捉设备的类型、深度值等而变化。就是说，根据一个实施例，容限值可以随像素的深度值增加而变得更大或更小。
深度历史数据还进一步包括泛色像素。例如，在与诸如人类目标602的人类目标的脚和地板相关联的深度值之间的差异可以在小的预定容限之内，或为类似于当如上所述人类目标的手可以接触到墙时的值。目标识别、分析和跟踪系统可以进一步跟踪深度历史数据中与地板相关联的像素的深度值。例如，可以检测地板的深度值，并将它存储或记录到深度历史数据中。当检查地板区域中的像素时，目标识别、分析和跟踪系统可以将正被检查的像素的深度值与深度历史数据中对应的地板像素相比较。
回看图5，在525，可移除或丢弃深度图像的环境。例如，在通过如上所述确定像素是否可与人类目标相关联来为与人类目标相关联的像素进行了泛色填充之后，目标识别、分析和跟踪系统可丢弃可能不与经泛色填充的人类目标相关联的像素。由此，在一个实施例中，在525，目标识别、分析和跟踪系统可基于经泛色填充的人类目标来丢弃或移除与深度图像的环境相关联的像素，使得包括该像素以及与其相关联的深度值的人类目标可以在深度图像中被隔离。根据一示例实施例，目标识别、分析和跟踪系统可通过向与环境相关联的像素分配例如，诸如深度值为零等的无效深度值来丢弃这些像素。
图6B、9B和11C示出了具有移除的环境的深度图像的示例实施例。如在图6B、9B和11C所示，可以在深度图像中隔离人类目标，例如人类目标602、604。
转回到图5，可以在530处理具有隔离的人类目标的深度图像。在一个实施例中，目标识别、分析和跟踪系统可以处理具有隔离的人类目标的深度图像，从而可生成所捕捉的场景中的人类目标的模型。根据一示例实施例，可以跟踪该模型、可以呈现与该模型相关联的化身、和/或可以控制在计算机环境上执行的一个或多个应用程序。
例如，根据一示例实施例，可以生成用户(例如参考图1A和1B描述的用户18)的例如骨架模型、网格人类模型等模型，并为用户的一个或多个移动而跟踪这些模型。
然后可响应于对所跟踪的模型的改变来改变屏幕上人物的视觉外观。例如，可由此处描述的游戏控制台来跟踪诸如以上参考图1A和1B描述的在游戏控制台上玩电子游戏的用户18等用户。具体地，可使用诸如骨架模型等身体模型来对目标游戏玩家建模，并且可使用该身体模型来呈现屏幕上的玩家化身。当游戏玩家伸直一条手臂时，游戏控制台可跟踪该运动，然后响应于所跟踪的运动来相应地调整身体模型。游戏控制台还可将一个或多个约束施加到身体模型的移动。在作出此类调整并施加此类约束之后，游戏控制台可显示经调整的玩家化身。
在一个实施例中，目标识别、分析和跟踪系统可能无法在530处理第二深度图像。例如，深度图像可能噪声过多或包括太多空像素以使得无法处理该深度图像。根据一个实施例，如果深度值可能噪声过多，则目标识别、分析和跟踪系统可生成错误消息，该错误消息可被提供给诸如以上参考图1A和1B描述的用户18等用户以指示可能需要捕捉另一场景。
应该理解，此处所述的配置和/或方法在本质上是示例性的，且这些具体实施例或示例不被认为是限制性的。此处所述的具体例程或方法可表示任何数量的处理策略中的一个或更多个。由此，所示出的各个动作可以按所示顺序执行、按其他顺序执行、并行地执行等等。同样，可以改变上述过程的次序。
本发明的主题包括各种过程、系统和配置的所有新颖和非显而易见的组合和子组合、和此处所公开的其他特征、功能、动作、和/或特性、以及其任何和全部等效物。

Claims (12)

1.一种用于处理场景的深度信息的设备，所述设备包括：
相机组件（22），所述相机组件接收场景的深度图像（600、700、800、1000）；以及
处理器（32），所述处理器执行计算机可执行指令，其中所述计算机可执行指令包括用于以下操作的指令：
从所述相机组件接收所述场景的所述深度图像（600、700、800、1000）；
确定在所述深度图像（600、700、800、1000）中的一个或多个像素是否与所述深度图像的环境相关联；以及
将与所述环境相关联的一个或多个像素丢弃以隔离所述深度图像中的人类目标；以及
处理具有隔离的人类目标（602）的所述深度图像（600、700、800、1000）；
其中所述深度图像（600、700、800、1000）包括其内每个像素的深度值，并且所述用于确定与所述深度图像（600、700、800、1000）中的环境相关联的一个或多个像素的指令包括用于以下操作的指令：
检查所述深度图像中的像素；
从深度历史数据（850）中检索对应于所述像素的最大深度值；以及
将所述像素的深度值和在深度历史数据（850）中的该像素的最大深度值进行比较。
2.如权利要求1所述的设备，其特征在于，所述用于确定与所述深度图像（600、700、800、1000）中的环境相关联的一个或多个像素的指令包括用于以下操作的指令：
基于所述人类目标（602）的质心和所述目标（602）的度量来定义边界框（804c）；
将所述边界框（804c）之外的一个或多个像素标识为与所述环境相关联。
3.如权利要求1所述的设备，其特征在于，所述用于确定与所述深度图像（600、700、800、1000）中的环境相关联的一个或多个像素的指令包括用于以下操作的指令：
泛色填充与所述人类目标（602）相关联的一个或多个像素。
4.如权利要求3所述的设备，其特征在于，所述用于确定与所述深度图像（600、700、800、1000）中的环境相关联的一个或多个像素的指令进一步包括用于以下操作的指令：
使用预定边缘容限值来检测所述目标（602）的边；以及
基于下述至少一项来调整所述预定边缘容限值：所述目标（602）的度量、所述一个或多个像素的位置以及所述人类目标（602）的度量。
5.如权利要求1所述的设备，其特征在于，还包括用于执行以下操作的指令：
标识所述深度图像中与红外阴影相关联的像素；以及
用计算的深度值来替换所述与红外阴影相关联的像素的深度值。
6.一种用于处理场景的深度信息的方法，包括：
接收场景的深度图像（600、700、800、1000），其中，所述深度图像（600、700、800、1000）包括一个或多个人类目标（602）以及环境；
泛色填充与所述一个或多个人类目标（602）相关联的像素；
丢弃环境像素以隔离所述一个或多个人类目标（602）的经泛色填充的像素，其中所述环境像素包括不与所述一个或多个人类目标（602）的经泛色填充的像素相关联的一个或多个像素；以及
处理具有与所述一个或多个人类目标（602）相关联的经泛色填充的像素的所述深度图像（600、700、800、1000）；
其中所述深度图像（600、700、800、1000）包括多个像素，并且其中每个像素具有与其相关联的深度值，并且所述方法还包括：
检查来自所述深度图像的多个像素中的一个像素；
从深度历史数据（850）中检索对应于所述像素的最大深度值；
将所述像素的深度值与对应的最大深度值进行比较；以及
基于所述确定，如果所述像素的深度值和对应的最大深度值小于所述最大深度值，则泛色填充所述像素。
7.如权利要求6所述的方法，其特征在于，所述用于泛色填充与所述一个或多个人类目标（602）相关联的像素的步骤进一步包括：
基于所述一个或多个人类目标(602)的位置和所述一个或多个人类目标(602)的度量中的至少一个来生成预定数目的采样点（902）；以及
使用所述预定数目的采样点（902）来泛色填充与所述一个或多个人类目标(602)相关联的像素。
8.如权利要求6所述的方法，其特征在于，所述用于泛色填充与所述一个或多个人类目标(602)相关联的像素的步骤进一步包括：
标识与第一深度图像中的对象相关联的一个或多个像素；
确定所述对象是否与所述一个或多个人类目标(602)相关联；以及
基于所述确定，如果所述一个或多个像素与所述一个或多个人类目标(602)相关联，则泛色填充所述一个或多个像素。
9.如权利要求6所述的方法，其特征在于，所述方法进一步包括：
跟踪所述深度图像的多个像素中的每个像素的最大深度值；
将所述最大深度值存储在深度历史数据（850）中；
标识与所述场景中的地板相关联的多个像素；
将所述多个地板像素的深度值存储在所述历史深度值中；以及
使用一个或多个围绕像素来计算与深度图像（600、700、800、1000）中的多个像素之一相关联的像素的最大深度值。
10.一种用于处理场景的深度信息的系统，所述系统包括：
捕捉设备（20），捕捉设备包括接收场景的深度图像（600、700、800、1000）的相机组件，其中，所述深度图像（600、700、800、1000）包括人类目标；以及
与所述捕捉设备操作上通信的计算设备（12），其中所述计算设备包括处理器，所述处理器从所述捕捉设备接收所述场景的所述深度图像（600、700、800、1000）、检查所述深度图像的像素、确定所述像素是否与所述人类目标相关联以及基于所述确定，如果所述像素不与所述人类目标相关联则移除所述像素；
其中所述系统进一步包括：存储第一深度图像的每个像素的最大深度值的存储组件，并且其中所述处理器进一步从深度历史数据（850）接收与所述深度图像的像素相对应的最大深度值、将所述像素的深度值与所述深度历史数据（850）中的所述像素的最大深度值进行比较，并且如果所述像素的深度值小于所述像素的最大深度值，则移除所述像素。
11.如权利要求10所述的系统，其特征在于，处理器通过基于所述人类目标的质心和所述目标的度量定义边界框（804c）来确定所述像素是否与所述人类目标相关联，确定所述像素是否在所述边界框（804c）之外，并且基于所述确定，如果所述像素在所述边界框（804c）之外则移除所述像素。
12.一种用于处理场景的深度信息的计算机实现的方法，其特征在于，所述计算机实现的方法包括：
接收所述场景的深度图像（600、700、800、1000），其中，所述深度图像（600、700、800、1000）包括期望的对象以及环境；以及
将所述期望的对象从所述环境中分割出来；
其中所述深度图像（600、700、800、1000）包括其内每个像素的深度值，并且所述将所述期望的对象从所述环境中分割出来的步骤包括：
检查所述深度图像中的一个像素；
从深度历史数据（850）中检索对应于所述像素的最大深度值；
将所述像素的深度值与所述像素在深度历史数据（850）中的最大深度值进行比较。
CN2010800246783A 2009-05-29 2010-05-24 环境和/或目标分割 Active CN102448564B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/475,094 2009-05-29
US12/475,094 US8379101B2 (en) 2009-05-29 2009-05-29 Environment and/or target segmentation
PCT/US2010/035902 WO2010138434A2 (en) 2009-05-29 2010-05-24 Environment and/or target segmentation

Publications (2)

Publication Number Publication Date
CN102448564A CN102448564A (zh) 2012-05-09
CN102448564B true CN102448564B (zh) 2013-05-29

Family

ID=43219787

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010800246783A Active CN102448564B (zh) 2009-05-29 2010-05-24 环境和/或目标分割

Country Status (3)

Country Link
US (2) US8379101B2 (zh)
CN (1) CN102448564B (zh)
WO (1) WO2010138434A2 (zh)

Families Citing this family (83)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8503720B2 (en) 2009-05-01 2013-08-06 Microsoft Corporation Human body pose estimation
US8379101B2 (en) * 2009-05-29 2013-02-19 Microsoft Corporation Environment and/or target segmentation
US8565479B2 (en) 2009-08-13 2013-10-22 Primesense Ltd. Extraction of skeletons from 3D maps
US8564534B2 (en) 2009-10-07 2013-10-22 Microsoft Corporation Human tracking system
US8963829B2 (en) 2009-10-07 2015-02-24 Microsoft Corporation Methods and systems for determining and tracking extremities of a target
US7961910B2 (en) 2009-10-07 2011-06-14 Microsoft Corporation Systems and methods for tracking a model
US8643701B2 (en) 2009-11-18 2014-02-04 University Of Illinois At Urbana-Champaign System for executing 3D propagation for depth image-based rendering
US9628722B2 (en) 2010-03-30 2017-04-18 Personify, Inc. Systems and methods for embedding a foreground video into a background feed based on a control input
US9542038B2 (en) 2010-04-07 2017-01-10 Apple Inc. Personalizing colors of user interfaces
TWI439960B (zh) 2010-04-07 2014-06-01 Apple Inc 虛擬使用者編輯環境
US8818028B2 (en) * 2010-04-09 2014-08-26 Personify, Inc. Systems and methods for accurate user foreground video extraction
JP6203634B2 (ja) 2010-04-09 2017-09-27 ゾール メディカル コーポレイションＺＯＬＬ Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ Ｅｍｓ装置通信インタフェースのシステム及び方法
US8594425B2 (en) * 2010-05-31 2013-11-26 Primesense Ltd. Analysis of three-dimensional scenes
USRE49044E1 (en) * 2010-06-01 2022-04-19 Apple Inc. Automatic avatar creation
US8692830B2 (en) * 2010-06-01 2014-04-08 Apple Inc. Automatic avatar creation
US8649592B2 (en) 2010-08-30 2014-02-11 University Of Illinois At Urbana-Champaign System for background subtraction with 3D camera
KR101430887B1 (ko) * 2010-12-29 2014-08-18 엠파이어 테크놀로지 디벨롭먼트 엘엘씨 제스처 인식을 위한 환경-의존 동적 범위 컨트롤
US8824823B1 (en) * 2011-01-20 2014-09-02 Verint Americas Inc. Increased quality of image objects based on depth in scene
US8401225B2 (en) 2011-01-31 2013-03-19 Microsoft Corporation Moving object segmentation using depth images
US8570320B2 (en) 2011-01-31 2013-10-29 Microsoft Corporation Using a three-dimensional environment model in gameplay
US8401242B2 (en) 2011-01-31 2013-03-19 Microsoft Corporation Real-time camera tracking using depth maps
US9247238B2 (en) 2011-01-31 2016-01-26 Microsoft Technology Licensing, Llc Reducing interference between multiple infra-red depth cameras
US8711206B2 (en) 2011-01-31 2014-04-29 Microsoft Corporation Mobile camera localization using depth maps
US8587583B2 (en) 2011-01-31 2013-11-19 Microsoft Corporation Three-dimensional environment reconstruction
US8942917B2 (en) 2011-02-14 2015-01-27 Microsoft Corporation Change invariant scene recognition by an agent
US8738754B2 (en) 2011-04-07 2014-05-27 International Business Machines Corporation Systems and methods for managing computing systems utilizing augmented reality
KR101709282B1 (ko) * 2011-11-15 2017-02-24 삼성전자주식회사 이미지 센서, 이의 동작 방법, 및 이를 포함하는 장치들
US9628843B2 (en) * 2011-11-21 2017-04-18 Microsoft Technology Licensing, Llc Methods for controlling electronic devices using gestures
US9782680B2 (en) 2011-12-09 2017-10-10 Futurewei Technologies, Inc. Persistent customized social media environment
WO2013103410A1 (en) 2012-01-05 2013-07-11 California Institute Of Technology Imaging surround systems for touch-free display control
CN103390164B (zh) * 2012-05-10 2017-03-29 南京理工大学 基于深度图像的对象检测方法及其实现装置
US9275302B1 (en) * 2012-08-24 2016-03-01 Amazon Technologies, Inc. Object detection and identification
JP2015533248A (ja) 2012-09-28 2015-11-19 ゾール メディカル コーポレイションＺＯＬＬ Ｍｅｄｉｃａｌ Ｃｏｒｐｏｒａｔｉｏｎ Ｅｍｓ環境内で三次元対話をモニタするためのシステム及び方法
AU2013204965B2 (en) 2012-11-12 2016-07-28 C2 Systems Limited A system, method, computer program and data signal for the registration, monitoring and control of machines and devices
US9602807B2 (en) * 2012-12-19 2017-03-21 Microsoft Technology Licensing, Llc Single frequency time of flight de-aliasing
US9857470B2 (en) 2012-12-28 2018-01-02 Microsoft Technology Licensing, Llc Using photometric stereo for 3D environment modeling
WO2014107434A1 (en) 2013-01-02 2014-07-10 California Institute Of Technology Single-sensor system for extracting depth information from image blur
US9052746B2 (en) 2013-02-15 2015-06-09 Microsoft Technology Licensing, Llc User center-of-mass and mass distribution extraction using depth images
US10295826B2 (en) * 2013-02-19 2019-05-21 Mirama Service Inc. Shape recognition device, shape recognition program, and shape recognition method
US9940553B2 (en) 2013-02-22 2018-04-10 Microsoft Technology Licensing, Llc Camera/object pose from predicted coordinates
JP6037901B2 (ja) * 2013-03-11 2016-12-07 日立マクセル株式会社 操作検出装置、操作検出方法及び表示制御データ生成方法
US9142034B2 (en) * 2013-03-14 2015-09-22 Microsoft Technology Licensing, Llc Center of mass state vector for analyzing user motion in 3D images
CN104104865B (zh) * 2013-04-02 2017-07-11 宏达国际电子股份有限公司 控制方法及电子装置
US9749541B2 (en) * 2013-04-16 2017-08-29 Tout Inc. Method and apparatus for displaying and recording images using multiple image capturing devices integrated into a single mobile device
US9602796B2 (en) * 2013-05-20 2017-03-21 Intel Corporation Technologies for improving the accuracy of depth cameras
US9348411B2 (en) 2013-05-24 2016-05-24 Microsoft Technology Licensing, Llc Object display with visual verisimilitude
US10152136B2 (en) * 2013-10-16 2018-12-11 Leap Motion, Inc. Velocity field interaction for free space gesture interface and control
US9891712B2 (en) 2013-12-16 2018-02-13 Leap Motion, Inc. User-defined virtual interaction space and manipulation of virtual cameras with vectors
US9774548B2 (en) 2013-12-18 2017-09-26 Personify, Inc. Integrating user personas with chat sessions
US9386303B2 (en) 2013-12-31 2016-07-05 Personify, Inc. Transmitting video and sharing content via a network using multiple encoding techniques
US9414016B2 (en) 2013-12-31 2016-08-09 Personify, Inc. System and methods for persona identification using combined probability maps
US9485433B2 (en) 2013-12-31 2016-11-01 Personify, Inc. Systems and methods for iterative adjustment of video-capture settings based on identified persona
US9552074B2 (en) * 2014-05-21 2017-01-24 Facebook, Inc. Method and system for generating user feedback of a gesture capturing device
JP6452324B2 (ja) * 2014-06-02 2019-01-16 キヤノン株式会社 画像処理装置、画像処理方法及びプログラム
US9582879B2 (en) 2014-10-20 2017-02-28 Microsoft Technology Licensing, Llc Facial skin mask generation for heart rate detection
US9671931B2 (en) * 2015-01-04 2017-06-06 Personify, Inc. Methods and systems for visually deemphasizing a displayed persona
CN104835164B (zh) * 2015-05-11 2017-07-28 京东方科技集团股份有限公司 一种双目摄像头深度图像的处理方法及装置
US9563962B2 (en) 2015-05-19 2017-02-07 Personify, Inc. Methods and systems for assigning pixels distance-cost values using a flood fill technique
US9916668B2 (en) 2015-05-19 2018-03-13 Personify, Inc. Methods and systems for identifying background in video data using geometric primitives
US10244224B2 (en) 2015-05-26 2019-03-26 Personify, Inc. Methods and systems for classifying pixels as foreground using both short-range depth data and long-range depth data
US9607397B2 (en) 2015-09-01 2017-03-28 Personify, Inc. Methods and systems for generating a user-hair-color model
KR102535617B1 (ko) * 2016-01-04 2023-05-24 한국전자통신연구원 깊이 영상에서의 객체 검출 시스템 및 방법
KR102443214B1 (ko) 2016-01-08 2022-09-15 삼성전자 주식회사 영상처리장치 및 그 제어방법
JP6702746B2 (ja) * 2016-02-10 2020-06-03 キヤノン株式会社 撮像装置、その制御方法、プログラム及び記憶媒体
US20190302963A1 (en) * 2016-06-01 2019-10-03 Carnegie Mellon University Hybrid depth and infrared image sensing and method for enhanced touch tracking on ordinary surfaces
US9883155B2 (en) 2016-06-14 2018-01-30 Personify, Inc. Methods and systems for combining foreground video and background video using chromatic matching
US10574947B2 (en) 2016-07-15 2020-02-25 Qualcomm Incorporated Object reconstruction in disparity maps using displaced shadow outlines
US9881207B1 (en) 2016-10-25 2018-01-30 Personify, Inc. Methods and systems for real-time user extraction using deep learning networks
JP6900609B2 (ja) * 2016-12-06 2021-07-07 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ 広角画像を修正するシステム及び方法
US10242449B2 (en) 2017-01-04 2019-03-26 Cisco Technology, Inc. Automated generation of pre-labeled training data
EP3571627A2 (en) 2017-01-19 2019-11-27 Mindmaze Holding S.A. Systems, methods, apparatuses and devices for detecting facial expression and for tracking movement and location including for at least one of a virtual and augmented reality system
CN110506296B (zh) 2017-02-07 2024-03-26 曼德美姿集团股份公司 用于跟踪身体或其部分的系统、方法、和装置
CN110892408A (zh) 2017-02-07 2020-03-17 迈恩德玛泽控股股份有限公司 用于立体视觉和跟踪的系统、方法和装置
US10362296B2 (en) 2017-08-17 2019-07-23 Microsoft Technology Licensing, Llc Localized depth map generation
CN107507239B (zh) * 2017-08-23 2019-08-20 维沃移动通信有限公司 一种图像分割方法及移动终端
US10122969B1 (en) 2017-12-07 2018-11-06 Microsoft Technology Licensing, Llc Video capture systems and methods
WO2019207510A1 (en) 2018-04-26 2019-10-31 Mindmaze Holding Sa Multi-sensor based hmi/ai-based system for diagnosis and therapeutic treatment of patients with neurological disease
US10706556B2 (en) * 2018-05-09 2020-07-07 Microsoft Technology Licensing, Llc Skeleton-based supplementation for foreground image segmentation
US11875012B2 (en) 2018-05-25 2024-01-16 Ultrahaptics IP Two Limited Throwable interface for augmented reality and virtual reality environments
CN111612675B (zh) * 2020-05-18 2023-08-04 浙江宇视科技有限公司 同行对象确定方法、装置、设备及存储介质
US11475652B2 (en) 2020-06-30 2022-10-18 Samsung Electronics Co., Ltd. Automatic representation toggling based on depth camera field of view
US11800056B2 (en) 2021-02-11 2023-10-24 Logitech Europe S.A. Smart webcam system
US11800048B2 (en) 2021-02-24 2023-10-24 Logitech Europe S.A. Image generating system with background replacement or modification capabilities

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1395231A (zh) * 2001-07-04 2003-02-05 松下电器产业株式会社 图像信号编码方法、图像信号编码设备和存储媒体
CN1764931A (zh) * 2003-02-11 2006-04-26 索尼电脑娱乐公司 实时运动捕捉的方法和设备
CN101237522A (zh) * 2007-02-02 2008-08-06 华为技术有限公司 一种运动检测方法和装置

Family Cites Families (216)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4288078A (en) * 1979-11-20 1981-09-08 Lugo Julio I Game apparatus
US4695953A (en) 1983-08-25 1987-09-22 Blair Preston E TV animation interactively controlled by the viewer
US4630910A (en) 1984-02-16 1986-12-23 Robotic Vision Systems, Inc. Method of measuring in three-dimensions at high speed
US4627620A (en) 1984-12-26 1986-12-09 Yang John P Electronic athlete trainer for improving skills in reflex, speed and accuracy
US4645458A (en) 1985-04-15 1987-02-24 Harald Phillip Athletic evaluation and training apparatus
US4702475A (en) 1985-08-16 1987-10-27 Innovating Training Products, Inc. Sports technique and reaction training system
US4843568A (en) 1986-04-11 1989-06-27 Krueger Myron W Real time perception of and response to the actions of an unencumbered participant/user
US4711543A (en) 1986-04-14 1987-12-08 Blair Preston E TV animation interactively controlled by the viewer
US4796997A (en) 1986-05-27 1989-01-10 Synthetic Vision Systems, Inc. Method and system for high-speed, 3-D imaging of an object at a vision station
US5184295A (en) 1986-05-30 1993-02-02 Mann Ralph V System and method for teaching physical skills
US4751642A (en) 1986-08-29 1988-06-14 Silva John M Interactive sports simulation system with physiological sensing and psychological conditioning
US4809065A (en) 1986-12-01 1989-02-28 Kabushiki Kaisha Toshiba Interactive system and related method for displaying data to produce a three-dimensional image of an object
US4817950A (en) 1987-05-08 1989-04-04 Goo Paul E Video game control unit and attitude sensor
US5239464A (en) 1988-08-04 1993-08-24 Blair Preston E Interactive video system providing repeated switching of multiple tracks of actions sequences
US5239463A (en) 1988-08-04 1993-08-24 Blair Preston E Method and apparatus for player interaction with animated characters and objects
US4901362A (en) 1988-08-08 1990-02-13 Raytheon Company Method of recognizing patterns
US4893183A (en) 1988-08-11 1990-01-09 Carnegie-Mellon University Robotic vision system
JPH02199526A (ja) 1988-10-14 1990-08-07 David G Capper 制御インターフェース装置
US4925189A (en) 1989-01-13 1990-05-15 Braeunig Thomas F Body-mounted video game exercise device
US5229756A (en) 1989-02-07 1993-07-20 Yamaha Corporation Image control apparatus
US5469740A (en) 1989-07-14 1995-11-28 Impulse Technology, Inc. Interactive video testing and training system
JPH03103822U (zh) 1990-02-13 1991-10-29
US5101444A (en) 1990-05-18 1992-03-31 Panacea, Inc. Method and apparatus for high speed object location
US5148154A (en) 1990-12-04 1992-09-15 Sony Corporation Of America Multi-dimensional user interface
US5534917A (en) 1991-05-09 1996-07-09 Very Vivid, Inc. Video image based control system
US5417210A (en) 1992-05-27 1995-05-23 International Business Machines Corporation System and method for augmentation of endoscopic surgery
US5295491A (en) 1991-09-26 1994-03-22 Sam Technology, Inc. Non-invasive human neurocognitive performance capability testing method and system
US5201011A (en) 1991-11-19 1993-04-06 Xerox Corporation Method and apparatus for image hand markup detection using morphological techniques
US6054991A (en) 1991-12-02 2000-04-25 Texas Instruments Incorporated Method of modeling player position and movement in a virtual reality system
DE69229474T2 (de) 1991-12-03 2000-03-02 French Sportech Corp Interaktives videosystem zur beobachtung und zum training der leistungsfähigkeit einer person
US5875108A (en) 1991-12-23 1999-02-23 Hoffberg; Steven M. Ergonomic man-machine interface incorporating adaptive pattern recognition based control system
US5469536A (en) 1992-02-25 1995-11-21 Imageware Software, Inc. Image editing system including masking capability
JPH07325934A (ja) 1992-07-10 1995-12-12 Walt Disney Co:The 仮想世界に向上したグラフィックスを提供する方法および装置
US5999908A (en) 1992-08-06 1999-12-07 Abelow; Daniel H. Customer-based product design module
US5320538A (en) 1992-09-23 1994-06-14 Hughes Training, Inc. Interactive aircraft training system and method
JPH06203157A (ja) 1992-10-14 1994-07-22 Fujitsu Ltd カラー画像処理方法および装置
IT1257294B (it) 1992-11-20 1996-01-12 Dispositivo atto a rilevare la configurazione di un'unita' fisiologicadistale,da utilizzarsi in particolare come interfaccia avanzata per macchine e calcolatori.
US5495576A (en) 1993-01-11 1996-02-27 Ritchey; Kurtis J. Panoramic image based virtual reality/telepresence audio-visual system and method
US5690582A (en) 1993-02-02 1997-11-25 Tectrix Fitness Equipment, Inc. Interactive exercise apparatus
JP2799126B2 (ja) 1993-03-26 1998-09-17 株式会社ナムコ ビデオゲーム装置及びゲーム用入力装置
US5405152A (en) 1993-06-08 1995-04-11 The Walt Disney Company Method and apparatus for an interactive video game with physical feedback
US5454043A (en) 1993-07-30 1995-09-26 Mitsubishi Electric Research Laboratories, Inc. Dynamic and static hand gesture recognition through low-level image analysis
US5423554A (en) 1993-09-24 1995-06-13 Metamedia Ventures, Inc. Virtual reality game method and apparatus
US5980256A (en) 1993-10-29 1999-11-09 Carmein; David E. E. Virtual reality system with enhanced sensory apparatus
JP3419050B2 (ja) 1993-11-19 2003-06-23 株式会社日立製作所 入力装置
US5347306A (en) 1993-12-17 1994-09-13 Mitsubishi Electric Research Laboratories, Inc. Animated electronic meeting place
JP2552427B2 (ja) 1993-12-28 1996-11-13 コナミ株式会社 テレビ遊戯システム
US5577981A (en) 1994-01-19 1996-11-26 Jarvik; Robert Virtual reality exercise machine and computer controlled video system
US5580249A (en) 1994-02-14 1996-12-03 Sarcos Group Apparatus for simulating mobility of a human
US5597309A (en) 1994-03-28 1997-01-28 Riess; Thomas Method and apparatus for treatment of gait problems associated with parkinson's disease
US5385519A (en) 1994-04-19 1995-01-31 Hsu; Chi-Hsueh Running machine
US5524637A (en) 1994-06-29 1996-06-11 Erickson; Jon W. Interactive system for measuring physiological exertion
JPH0844490A (ja) 1994-07-28 1996-02-16 Matsushita Electric Ind Co Ltd インターフェイス装置
US5563988A (en) 1994-08-01 1996-10-08 Massachusetts Institute Of Technology Method and system for facilitating wireless, full-body, real-time user interaction with a digitally represented visual environment
US6714665B1 (en) 1994-09-02 2004-03-30 Sarnoff Corporation Fully automated iris recognition system utilizing wide and narrow fields of view
US5516105A (en) 1994-10-06 1996-05-14 Exergame, Inc. Acceleration activated joystick
US5638300A (en) 1994-12-05 1997-06-10 Johnson; Lee E. Golf swing analysis system
JPH08161292A (ja) 1994-12-09 1996-06-21 Matsushita Electric Ind Co Ltd 混雑度検知方法およびそのシステム
US5594469A (en) 1995-02-21 1997-01-14 Mitsubishi Electric Information Technology Center America Inc. Hand gesture machine control system
US5682229A (en) 1995-04-14 1997-10-28 Schwartz Electro-Optics, Inc. Laser range camera
US5913727A (en) 1995-06-02 1999-06-22 Ahdoot; Ned Interactive movement and contact simulation game
JP3481631B2 (ja) 1995-06-07 2003-12-22 ザ トラスティース オブ コロンビア ユニヴァーシティー イン ザ シティー オブ ニューヨーク 能動型照明及びデフォーカスに起因する画像中の相対的なぼけを用いる物体の３次元形状を決定する装置及び方法
CN100524015C (zh) 1995-06-22 2009-08-05 3Dv系统有限公司 生成距景物距离的图象的方法和装置
IL114278A (en) 1995-06-22 2010-06-16 Microsoft Internat Holdings B Camera and method
US5682196A (en) 1995-06-22 1997-10-28 Actv, Inc. Three-dimensional (3D) video presentation system providing interactive 3D presentation with personalized audio responses for multiple viewers
US5702323A (en) 1995-07-26 1997-12-30 Poulton; Craig K. Electronic exercise enhancer
US6308565B1 (en) 1995-11-06 2001-10-30 Impulse Technology Ltd. System and method for tracking and assessing movement skills in multidimensional space
US6073489A (en) 1995-11-06 2000-06-13 French; Barry J. Testing and training system for assessing the ability of a player to complete a task
US6098458A (en) 1995-11-06 2000-08-08 Impulse Technology, Ltd. Testing and training system for assessing movement and agility skills without a confining field
US6430997B1 (en) 1995-11-06 2002-08-13 Trazer Technologies, Inc. System and method for tracking and assessing movement skills in multidimensional space
US6176782B1 (en) 1997-12-22 2001-01-23 Philips Electronics North America Corp. Motion-based command generation technology
US5933125A (en) 1995-11-27 1999-08-03 Cae Electronics, Ltd. Method and apparatus for reducing instability in the display of a virtual environment
US5641288A (en) 1996-01-11 1997-06-24 Zaenglein, Jr.; William G. Shooting simulating process and training device using a virtual reality display screen
JP2000510013A (ja) 1996-05-08 2000-08-08 リアル ヴィジョン コーポレイション 位置検出を用いたリアルタイムシミュレーション
US6173066B1 (en) 1996-05-21 2001-01-09 Cybernet Systems Corporation Pose determination and tracking by matching 3D objects to a 2D sensor
US5989157A (en) 1996-08-06 1999-11-23 Walton; Charles A. Exercising system with electronic inertial game playing
JP2001504605A (ja) 1996-08-14 2001-04-03 ラティポフ，ヌラフメド，ヌリスラモビチ 空間内のユーザの位置及び方向性を追跡及び表示するための方法、ユーザに対し仮想環境を提示するための方法及びこれらの方法を実現するためのシステム
JP3064928B2 (ja) 1996-09-20 2000-07-12 日本電気株式会社 被写体抽出方式
DE69626208T2 (de) 1996-12-20 2003-11-13 Hitachi Europ Ltd Verfahren und System zur Erkennung von Handgesten
US6009210A (en) 1997-03-05 1999-12-28 Digital Equipment Corporation Hands-free interface to a virtual reality environment using head tracking
US6100896A (en) 1997-03-24 2000-08-08 Mitsubishi Electric Information Technology Center America, Inc. System for designing graphical multi-participant environments
US5877803A (en) 1997-04-07 1999-03-02 Tritech Mircoelectronics International, Ltd. 3-D image detector
US6215898B1 (en) 1997-04-15 2001-04-10 Interval Research Corporation Data processing system and method
JP3077745B2 (ja) 1997-07-31 2000-08-14 日本電気株式会社 データ処理方法および装置、情報記憶媒体
US6188777B1 (en) 1997-08-01 2001-02-13 Interval Research Corporation Method and apparatus for personnel detection and tracking
US6289112B1 (en) 1997-08-22 2001-09-11 International Business Machines Corporation System and method for determining block direction in fingerprint images
US6720949B1 (en) 1997-08-22 2004-04-13 Timothy R. Pryor Man machine interfaces and applications
AUPO894497A0 (en) 1997-09-02 1997-09-25 Xenotech Research Pty Ltd Image processing method and apparatus
WO1999015863A1 (en) 1997-09-24 1999-04-01 3Dv Systems, Ltd. Acoustical imaging system
EP0905644A3 (en) 1997-09-26 2004-02-25 Matsushita Electric Industrial Co., Ltd. Hand gesture recognizing device
US6141463A (en) 1997-10-10 2000-10-31 Electric Planet Interactive Method and system for estimating jointed-figure configurations
AU9808298A (en) 1997-10-15 1999-05-03 Electric Planet, Inc. A system and method for generating an animatable character
US6072494A (en) 1997-10-15 2000-06-06 Electric Planet, Inc. Method and apparatus for real-time gesture recognition
US6130677A (en) 1997-10-15 2000-10-10 Electric Planet, Inc. Interactive computer vision system
AU1099899A (en) 1997-10-15 1999-05-03 Electric Planet, Inc. Method and apparatus for performing a clean background subtraction
US6101289A (en) 1997-10-15 2000-08-08 Electric Planet, Inc. Method and apparatus for unencumbered capture of an object
US6181343B1 (en) 1997-12-23 2001-01-30 Philips Electronics North America Corp. System and method for permitting three-dimensional navigation through a virtual reality environment using camera-based gesture inputs
JP2002516121A (ja) 1998-03-03 2002-06-04 アリーナ， インコーポレイテッド 多次元空間における運動技術を追跡し、そして評価するためのシステムおよび方法
US6159100A (en) 1998-04-23 2000-12-12 Smith; Michael D. Virtual reality game
US6077201A (en) 1998-06-12 2000-06-20 Cheng; Chau-Yang Exercise bicycle
US6681031B2 (en) 1998-08-10 2004-01-20 Cybernet Systems Corporation Gesture-controlled interfaces for self-service machines and other applications
US7036094B1 (en) 1998-08-10 2006-04-25 Cybernet Systems Corporation Behavior recognition system
US20010008561A1 (en) 1999-08-10 2001-07-19 Paul George V. Real-time object tracking system
US6801637B2 (en) 1999-08-10 2004-10-05 Cybernet Systems Corporation Optical body tracker
US6950534B2 (en) 1998-08-10 2005-09-27 Cybernet Systems Corporation Gesture-controlled interfaces for self-service machines and other applications
US7121946B2 (en) 1998-08-10 2006-10-17 Cybernet Systems Corporation Real-time head tracking system for computer games and other applications
IL126284A (en) 1998-09-17 2002-12-01 Netmor Ltd System and method for three dimensional positioning and tracking
EP0991011B1 (en) 1998-09-28 2007-07-25 Matsushita Electric Industrial Co., Ltd. Method and device for segmenting hand gestures
US6501515B1 (en) 1998-10-13 2002-12-31 Sony Corporation Remote control system
WO2000034919A1 (en) 1998-12-04 2000-06-15 Interval Research Corporation Background estimation and segmentation based on range and color
US6147678A (en) 1998-12-09 2000-11-14 Lucent Technologies Inc. Video hand image-three-dimensional computer interface with multiple degrees of freedom
WO2000036372A1 (en) 1998-12-16 2000-06-22 3Dv Systems, Ltd. Self gating photosurface
US6570555B1 (en) 1998-12-30 2003-05-27 Fuji Xerox Co., Ltd. Method and apparatus for embodied conversational characters with multimodal input/output in an interface device
US6363160B1 (en) 1999-01-22 2002-03-26 Intel Corporation Interface using pattern recognition and tracking
US7003134B1 (en) 1999-03-08 2006-02-21 Vulcan Patents Llc Three dimensional object pose estimation which employs dense depth information
US6299308B1 (en) 1999-04-02 2001-10-09 Cybernet Systems Corporation Low-cost non-imaging eye tracker system for computer control
US6614422B1 (en) 1999-11-04 2003-09-02 Canesta, Inc. Method and apparatus for entering data using a virtual input device
US6503195B1 (en) 1999-05-24 2003-01-07 University Of North Carolina At Chapel Hill Methods and systems for real-time structured light depth extraction and endoscope using real-time structured light depth extraction
US6476834B1 (en) 1999-05-28 2002-11-05 International Business Machines Corporation Dynamic creation of selectable items on surfaces
US6873723B1 (en) 1999-06-30 2005-03-29 Intel Corporation Segmenting three-dimensional video images using stereo
US6738066B1 (en) 1999-07-30 2004-05-18 Electric Plant, Inc. System, method and article of manufacture for detecting collisions between video images generated by a camera and an object depicted on a display
US7113918B1 (en) 1999-08-01 2006-09-26 Electric Planet, Inc. Method for video enabled electronic commerce
US7050606B2 (en) 1999-08-10 2006-05-23 Cybernet Systems Corporation Tracking and gesture recognition system particularly suited to vehicular control applications
WO2001018563A1 (en) 1999-09-08 2001-03-15 3Dv Systems, Ltd. 3d imaging system
US20030132950A1 (en) 2001-11-27 2003-07-17 Fahri Surucu Detecting, classifying, and interpreting input events based on stimuli in multiple sensory domains
US6690618B2 (en) 2001-04-03 2004-02-10 Canesta, Inc. Method and apparatus for approximating a source position of a sound-causing event for determining an input used in operating an electronic device
US7006236B2 (en) 2002-05-22 2006-02-28 Canesta, Inc. Method and apparatus for approximating depth of an object's placement onto a monitored region with applications to virtual interface devices
US7050177B2 (en) 2002-05-22 2006-05-23 Canesta, Inc. Method and apparatus for approximating depth of an object's placement onto a monitored region with applications to virtual interface devices
DE19960180B4 (de) 1999-12-14 2006-03-09 Rheinmetall W & M Gmbh Verfahren zur Herstellung eines Sprenggeschosses
US6674877B1 (en) 2000-02-03 2004-01-06 Microsoft Corporation System and method for visually tracking occluded objects in real time
US6663491B2 (en) 2000-02-18 2003-12-16 Namco Ltd. Game apparatus, storage medium and computer program that adjust tempo of sound
US6633294B1 (en) 2000-03-09 2003-10-14 Seth Rosenthal Method and apparatus for using captured high density motion for animation
EP1152261A1 (en) 2000-04-28 2001-11-07 CSEM Centre Suisse d'Electronique et de Microtechnique SA Device and method for spatially resolved photodetection and demodulation of modulated electromagnetic waves
US6640202B1 (en) 2000-05-25 2003-10-28 International Business Machines Corporation Elastic sensor mesh system for 3-dimensional measurement, mapping and kinematics applications
US6731799B1 (en) 2000-06-01 2004-05-04 University Of Washington Object segmentation with background extraction and moving boundary techniques
US6788809B1 (en) 2000-06-30 2004-09-07 Intel Corporation System and method for gesture recognition in three dimensions using stereo imaging and color vision
US7227526B2 (en) 2000-07-24 2007-06-05 Gesturetek, Inc. Video-based image control system
US7058204B2 (en) 2000-10-03 2006-06-06 Gesturetek, Inc. Multiple camera control system
JP3725460B2 (ja) 2000-10-06 2005-12-14 株式会社ソニー・コンピュータエンタテインメント 画像処理装置、画像処理方法、記録媒体、コンピュータプログラム、半導体デバイス
US7039676B1 (en) 2000-10-31 2006-05-02 International Business Machines Corporation Using video image analysis to automatically transmit gestures over a network in a chat or instant messaging session
US6539931B2 (en) 2001-04-16 2003-04-01 Koninklijke Philips Electronics N.V. Ball throwing assistant
US7259747B2 (en) 2001-06-05 2007-08-21 Reactrix Systems, Inc. Interactive video display system
US8035612B2 (en) 2002-05-28 2011-10-11 Intellectual Ventures Holding 67 Llc Self-contained interactive video display system
AU2002315456A1 (en) 2001-06-22 2003-01-08 Canesta, Inc. Method and system to display a virtual input device
JP3420221B2 (ja) 2001-06-29 2003-06-23 株式会社コナミコンピュータエンタテインメント東京 ゲーム装置及びプログラム
US6937742B2 (en) 2001-09-28 2005-08-30 Bellsouth Intellectual Property Corporation Gesture activated home appliance
US20030165048A1 (en) 2001-12-07 2003-09-04 Cyrus Bamji Enhanced light-generated interface for use with electronic devices
WO2003071410A2 (en) 2002-02-15 2003-08-28 Canesta, Inc. Gesture recognition system using depth perceptive sensors
US20030169906A1 (en) 2002-02-26 2003-09-11 Gokturk Salih Burak Method and apparatus for recognizing objects
US7310431B2 (en) 2002-04-10 2007-12-18 Canesta, Inc. Optical methods for remotely measuring objects
US7607509B2 (en) 2002-04-19 2009-10-27 Iee International Electronics & Engineering S.A. Safety device for a vehicle
US7348963B2 (en) 2002-05-28 2008-03-25 Reactrix Systems, Inc. Interactive video display system
US7170492B2 (en) 2002-05-28 2007-01-30 Reactrix Systems, Inc. Interactive video display system
US7710391B2 (en) 2002-05-28 2010-05-04 Matthew Bell Processing an image utilizing a spatially varying pattern
US7489812B2 (en) 2002-06-07 2009-02-10 Dynamic Digital Depth Research Pty Ltd. Conversion and encoding techniques
US7623115B2 (en) 2002-07-27 2009-11-24 Sony Computer Entertainment Inc. Method and apparatus for light input device
US7646372B2 (en) 2003-09-15 2010-01-12 Sony Computer Entertainment Inc. Methods and systems for enabling direction detection when interfacing with a computer program
US7883415B2 (en) 2003-09-15 2011-02-08 Sony Computer Entertainment Inc. Method and apparatus for adjusting a view of a scene being displayed according to tracked head motion
US7151530B2 (en) 2002-08-20 2006-12-19 Canesta, Inc. System and method for determining an input selected by a user through a virtual interface
US7576727B2 (en) 2002-12-13 2009-08-18 Matthew Bell Interactive directed light/sound system
JP4235729B2 (ja) 2003-02-03 2009-03-11 国立大学法人静岡大学 距離画像センサ
DE602004006190T8 (de) 2003-03-31 2008-04-10 Honda Motor Co., Ltd. Vorrichtung, Verfahren und Programm zur Gestenerkennung
JP4355341B2 (ja) 2003-05-29 2009-10-28 本田技研工業株式会社 深度データを用いたビジュアルトラッキング
US8072470B2 (en) 2003-05-29 2011-12-06 Sony Computer Entertainment Inc. System and method for providing a real-time three-dimensional interactive environment
EP3190546A3 (en) 2003-06-12 2017-10-04 Honda Motor Co., Ltd. Target orientation estimation using depth sensing
US7874917B2 (en) 2003-09-15 2011-01-25 Sony Computer Entertainment Inc. Methods and systems for enabling depth and direction detection when interfacing with a computer program
WO2005041579A2 (en) 2003-10-24 2005-05-06 Reactrix Systems, Inc. Method and system for processing captured image information in an interactive video display system
JP3847753B2 (ja) 2004-01-30 2006-11-22 株式会社ソニー・コンピュータエンタテインメント 画像処理装置、画像処理方法、記録媒体、コンピュータプログラム、半導体デバイス
US20050215319A1 (en) 2004-03-23 2005-09-29 Harmonix Music Systems, Inc. Method and apparatus for controlling a three-dimensional character in a three-dimensional gaming environment
WO2005104010A2 (en) 2004-04-15 2005-11-03 Gesture Tek, Inc. Tracking bimanual movements
US7308112B2 (en) 2004-05-14 2007-12-11 Honda Motor Co., Ltd. Sign based human-machine interaction
KR100643414B1 (ko) * 2004-07-06 2006-11-10 엘지전자 주식회사 무선 통신을 위한 내장형 안테나
US7704135B2 (en) 2004-08-23 2010-04-27 Harrison Jr Shelton E Integrated game system, method, and device
WO2006025137A1 (ja) 2004-09-01 2006-03-09 Sony Computer Entertainment Inc. 画像処理装置、ゲーム装置および画像処理方法
EP1645944B1 (en) 2004-10-05 2012-08-15 Sony France S.A. A content-management interface
US8744184B2 (en) * 2004-10-22 2014-06-03 Autodesk, Inc. Graphics processing method and system
JP4449723B2 (ja) 2004-12-08 2010-04-14 ソニー株式会社 画像処理装置、画像処理方法、およびプログラム
KR20060070280A (ko) 2004-12-20 2006-06-23 한국전자통신연구원 손 제스처 인식을 이용한 사용자 인터페이스 장치 및 그방법
EP1849123A2 (en) 2005-01-07 2007-10-31 GestureTek, Inc. Optical flow based tilt sensor
EP2487624B1 (en) 2005-01-07 2020-02-19 Qualcomm Incorporated(1/3) Detecting and tracking objects in images
CN101198964A (zh) 2005-01-07 2008-06-11 格斯图尔泰克股份有限公司 使用红外图案照射创建对象的三维图像
US8009871B2 (en) 2005-02-08 2011-08-30 Microsoft Corporation Method and system to segment depth images and to detect shapes in three-dimensionally acquired data
US7598942B2 (en) 2005-02-08 2009-10-06 Oblong Industries, Inc. System and method for gesture based control system
KR100688743B1 (ko) 2005-03-11 2007-03-02 삼성전기주식회사 멀티 레이어 커패시터 내장형의 인쇄회로기판의 제조방법
JP4686595B2 (ja) 2005-03-17 2011-05-25 本田技研工業株式会社 クリティカルポイント解析に基づくポーズ推定
WO2006106465A2 (en) * 2005-04-07 2006-10-12 Nxp B.V. Method and device for three-dimentional reconstruction and rendering
BRPI0613165A2 (pt) 2005-05-17 2010-12-21 Gesturetek Inc saìda de sinal sensìvel à orientação
EP1752748B1 (en) 2005-08-12 2008-10-29 MESA Imaging AG Highly sensitive, fast pixel for use in an image sensor
US20080026838A1 (en) 2005-08-22 2008-01-31 Dunstan James E Multi-player non-role-playing virtual world games: method for two-way interaction between participants and multi-player virtual world games
US7450736B2 (en) 2005-10-28 2008-11-11 Honda Motor Co., Ltd. Monocular tracking of 3D human motion with a coordinated mixture of factor analyzers
GB2431717A (en) 2005-10-31 2007-05-02 Sony Uk Ltd Scene analysis
US8094928B2 (en) 2005-11-14 2012-01-10 Microsoft Corporation Stereo video for gaming
US7433024B2 (en) 2006-02-27 2008-10-07 Prime Sense Ltd. Range mapping using speckle decorrelation
US8766983B2 (en) 2006-05-07 2014-07-01 Sony Computer Entertainment Inc. Methods and systems for processing an interchange of real time effects during video communication
US7721207B2 (en) 2006-05-31 2010-05-18 Sony Ericsson Mobile Communications Ab Camera based control
US7701439B2 (en) 2006-07-13 2010-04-20 Northrop Grumman Corporation Gesture recognition simulation system and method
US8395658B2 (en) 2006-09-07 2013-03-12 Sony Computer Entertainment Inc. Touch screen-like user interface that does not require actual touching
JP5395323B2 (ja) 2006-09-29 2014-01-22 ブレインビジョン株式会社 固体撮像素子
KR100846498B1 (ko) * 2006-10-18 2008-07-17 삼성전자주식회사 영상 해석 방법 및 장치, 및 동영상 영역 분할 시스템
US7936922B2 (en) * 2006-11-22 2011-05-03 Adobe Systems Incorporated Method and apparatus for segmenting images
US20080134102A1 (en) 2006-12-05 2008-06-05 Sony Ericsson Mobile Communications Ab Method and system for detecting movement of an object
US8351646B2 (en) 2006-12-21 2013-01-08 Honda Motor Co., Ltd. Human pose estimation and tracking using label assignment
US7412077B2 (en) 2006-12-29 2008-08-12 Motorola, Inc. Apparatus and methods for head pose estimation and head gesture detection
GB0703974D0 (en) 2007-03-01 2007-04-11 Sony Comp Entertainment Europe Entertainment device
US7729530B2 (en) 2007-03-03 2010-06-01 Sergey Antonov Method and apparatus for 3-D data input to a personal computer with a multimedia oriented operating system
US9189875B2 (en) 2007-08-06 2015-11-17 Apple Inc. Advanced import/export panel notifications using a presentation application
US7852262B2 (en) 2007-08-16 2010-12-14 Cybernet Systems Corporation Wireless mobile indoor/outdoor tracking system
US7970176B2 (en) 2007-10-02 2011-06-28 Omek Interactive, Inc. Method and system for gesture classification
WO2009059065A1 (en) 2007-10-30 2009-05-07 Hewlett-Packard Development Company, L.P. Interactive display system with collaborative gesture detection
US20090221368A1 (en) 2007-11-28 2009-09-03 Ailive Inc., Method and system for creating a shared game space for a networked game
GB2455316B (en) 2007-12-04 2012-08-15 Sony Corp Image processing apparatus and method
US8149210B2 (en) 2007-12-31 2012-04-03 Microsoft International Holdings B.V. Pointing device and method
US9641822B2 (en) * 2008-02-25 2017-05-02 Samsung Electronics Co., Ltd. Method and apparatus for processing three-dimensional (3D) images
CN101254344B (zh) 2008-04-18 2010-06-16 李刚 场地方位与显示屏点阵按比例相对应的游戏装置和方法
US8379987B2 (en) * 2008-12-30 2013-02-19 Nokia Corporation Method, apparatus and computer program product for providing hand segmentation for gesture analysis
US8379101B2 (en) * 2009-05-29 2013-02-19 Microsoft Corporation Environment and/or target segmentation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1395231A (zh) * 2001-07-04 2003-02-05 松下电器产业株式会社 图像信号编码方法、图像信号编码设备和存储媒体
CN1764931A (zh) * 2003-02-11 2006-04-26 索尼电脑娱乐公司 实时运动捕捉的方法和设备
CN101237522A (zh) * 2007-02-02 2008-08-06 华为技术有限公司 一种运动检测方法和装置

Also Published As

Publication number Publication date
CN102448564A (zh) 2012-05-09
US20130129227A1 (en) 2013-05-23
WO2010138434A3 (en) 2011-03-03
US8896721B2 (en) 2014-11-25
WO2010138434A2 (en) 2010-12-02
US20100302395A1 (en) 2010-12-02
US8379101B2 (en) 2013-02-19

Similar Documents

Publication Publication Date Title
CN102448564B (zh) 环境和/或目标分割
CN102665838B (zh) 用于确定和跟踪目标的肢端的方法和系统
CN102448562B (zh) 用于跟踪模型的系统和方法
CN102576463B (zh) 用于移除图像的背景的系统和方法
CN102448563B (zh) 用于处理场景的深度信息的方法和设备
CN102413885B (zh) 用于对运动捕捉应用模型跟踪的系统和方法
CN102576466B (zh) 用于跟踪模型的系统和方法
CN102549619B (zh) 人类跟踪系统
CN102087738B (zh) 用于为目标跟踪处理图像的系统和方法
CN102947777B (zh) 用户跟踪反馈
CN102301398B (zh) 用于捕捉场景的深度信息的设备、方法和系统
CN102596340B (zh) 用于将动画或运动应用到角色的系统和方法
CN102741885B (zh) 装饰显示环境
US8542252B2 (en) Target digitization, extraction, and tracking
CN102622774B (zh) 起居室电影创建
CN105073210A (zh) 使用深度图像的用户身体角度、曲率和平均末端位置提取
CN107077730A (zh) 基于剪影的肢寻找器确定
CN102591456B (zh) 对身体和道具的检测

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150507

C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20150507

Address after: Washington State

Patentee after: Micro soft technique license Co., Ltd

Address before: Washington State

Patentee before: Microsoft Corp.