人體關聯關系的判斷方法、裝置及存儲裝置與流程

本發明涉及圖像處理技術領域，特別是涉及一種人體關聯關系的判斷方法、裝置及存儲裝置。

背景技術：

深度相機捕獲場景的深度圖像中每一像素具有的深度信息為場景表面到深度相機的距離，從而根據深度圖像可以獲取場景目標的位置信息。

在現有技術中，采用2d圖像序列對場景進行監控，例如，采用2d視頻進行拍攝，再根據2d視頻里的圖像信息來獲取視頻內的人物的關聯信息。對現有技術的研究和實踐過程中，本發明的發明人發現從2d圖像序列中無法獲得圖像中目標的距離、位置信息，因而也不能分辨前后遮擋的位置關系，容易導致產生錯誤的關聯關系，從而對場景的監控效果不佳。

技術實現要素：

本發明提供一種人體關聯關系的判斷方法、裝置及存儲裝置，能夠解決現有技術存在的無法獲得圖像中目標的距離、位置信息導致產生錯誤的關聯關系的問題。

為解決上述技術問題，本發明采用的一個技術方案是：提供一種人體關聯關系的判斷方法，該方法包括以下步驟：獲取多人場景的深度圖像序列；從所述深度圖像序列中識別多個人體；獲取所述多個人體在所述深度圖像序列中的空間位置信息；根據所述多個人體的空間位置信息及所述多個人體的空間位置信息之間的關系所持續的時長判斷所述多個人體之間的關聯關系。

為解決上述技術問題，本發明采用的另一個技術方案是：提供一種判斷人體關聯關系的裝置，該裝置包括至少一個深度相機和處理器，所述深度相機與所述處理器連接；所述深度相機用于獲取多人場景的深度圖像序列；所述處理器用于從所述深度圖像序列中識別多個人體；獲取所述多個人體在所述深度圖像序列中的空間位置信息；根據所述多個人體的空間位置信息及所述多個人體的空間位置信息之間的關系所持續的時長判斷所述多個人體之間的關聯關系。

為解決上述技術問題，本發明采用的又一個技術方案是：提供一種存儲裝置，該存儲裝置存儲有程序數據，所述程序數據能夠被執行以實現上述方法。

本發明的有益效果是：區別于現有技術的情況，本發明通過獲取深度圖像序列，并根據深度圖像序列中人體的位置關系及持續時間來判斷人體的關聯關系。相比于二維人體圖像的判斷，本發明基于深度圖像，不僅能獲取人體的像素信息，還能獲取人體的空間位置信息，從而可以獲取人與人之間的相對距離信息，因此，可以通過該空間位置信息分辨人體前后遮擋的位置關系，并且，根據深度圖像序列可以獲得人與人之間的相對距離信息在一定時間段內的變化，從而能準確判斷人體的關聯關系，可以規避誤判。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明提供的一種人體關聯關系的判斷方法實施例的流程示意圖；

圖2是本發明提供的一種人體關聯關系的判斷方法另一實施例的流程示意圖；

圖3是本發明另一實施例的一個場景的俯視圖；

圖4是本發明提供的一種人體關聯關系的判斷方法又一實施例的流程示意圖；

圖5是本發明又一實施例的一個場景的俯視圖

圖6是本發明提供的一種判斷人體關聯關系的裝置實施例的結構示意圖；

圖7是本發明提供的一種判斷人體關聯關系的裝置另一實施例的結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發明的一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施例，都屬于本發明保護的范圍。

本發明提供的人體關聯關系的判斷方法可應用于車站、游樂場等公共場合的安防監控。請參閱圖1，圖1是本發明提供的一種人體關聯關系的判斷方法實施例的流程示意圖。圖1所示的人體關聯關系的判斷方法包括步驟：

s101、獲取多人場景的深度圖像序列。

具體地，深度圖像序列可以通過深度相機來獲取，其中，多人場景可以是例如車站、游樂場等公共場合。深度圖像則不僅包括空間物體的像素信息，還包括每一像素信息的深度信息，即空間內物體到深度相機之間的距離信息。深度圖像序列則是指在一個時間段內的連續的深度圖像。

s102、從深度圖像序列中識別多個人體。

步驟s102中，可以基于深度圖像來獲取該深度圖像中出現的人體的深度圖輪廓，從而識別出人體。s103、獲取多個人體在深度圖像序列中的空間位置信息。

在深度圖像中識別到人體之后，根據單個深度圖像可以獲取人體的空間位置信息，該空間位置信息可以包括該人體相對于深度相機的相機坐標系上的第一坐標，還可以包括人體相對于場景所在世界坐標系上的第二坐標。

s104、根據多個人體的空間位置信息及多個人體的空間位置信息之間的關系所持續的時長判斷多個人體之間的關聯關系。

具體而言，根據多個人體的空間位置信息可以獲取多個人體之間的位置關系，從而可以根據該位置關系以及持續的時長來判斷多個人體之間的關聯關系，例如，跟隨關系，可以是一個人體近距離地跟在另一個人體后面，并持續一定時間，或者，也可以是一個人牽著另一個人的手，并持續一定時間，或者，還可以是一個人抱著另一個人，并持續一定時間等。

區別于現有技術，本發明通過獲取深度圖像序列，并根據深度圖像序列中人體的位置關系及持續時間來判斷人體的關聯關系。相比于二維人體圖像的判斷，本發明基于深度圖像，不僅能獲取人體的像素信息，還能獲取人體的空間位置信息，從而可以獲取人與人之間的相對距離信息，因此，可以通過該空間位置信息分辨人體前后遮擋的位置關系，并且，根據深度圖像序列可以獲得人與人之間的相對距離信息在一定時間段內的變化，從而能準確判斷人體的關聯關系，可以規避誤判。

請參閱圖2，圖2是本發明提供的一種人體關聯關系的判斷方法實施例的流程示意圖。圖2所示的人體關聯關系的判斷方法包括步驟：

s201、獲取多人場景的深度圖像序列。

s202、從深度圖像序列中識別多個人體。

首先，可以除去深度圖像中的背景。例如，可以在深度圖中初步確定一個斑塊(blob，即，具有相似值的像素的連接組)作為對象的身體，然后從該斑塊中去除具有明顯不同深度值的其它斑塊。以這種方式初步確定的斑塊通常必須具有某個最小尺寸。然而，為此，斑塊邊緣處的像素坐標之間的簡單的歐幾里德距離不給出該尺寸的準確測量。該不準確的原因是，與具有給定實際尺寸的物體相對應的斑塊的尺寸(以像素為單位)隨著該物體與設備的距離的變化而增加或減小。

因此，為了確定物體的實際尺寸，首先使用下面的公式將物體的(x，y，深度)坐標變換為“現實世界”坐標(xr，yr，深度)：

xr＝(x-fovx/2)*像素尺寸*深度/參考深度

yr＝(y-fovy/2)*像素尺寸*深度/參考深度

這里，fovx和fovy為x和y方向上的深度圖的視野(以像素為單位)。像素尺寸為，在離繪圖設備給定距離(參考深度)處像素所對著的長度。然后，斑塊的尺寸可以通過求該斑塊邊緣的現實世界坐標之間的歐幾里德距離來實際確定。

因此，可以通過識別具有所要求的最小尺寸的斑塊來除去深度圖像中的背景，其中，該斑塊在場景中的各斑塊中間具有最小平均深度值。可以假設，距離深度相機最近的斑塊為人體，深度比該平均深度值大了至少某個閾值的所有像素都被假定屬于背景物體，并將這些像素的深度值設置為零值。其中，上述閾值可以根據實際需要來確定。此外，在一些實施例中，還可以將具有明顯小于所述斑塊的平均深度值的深度值的各像素置零。另外，還可以預先設定一個最大深度，從而忽略超過該最大深度的物體。

在一些實施例中，還可以動態地確定深度值，超過該深度值的話，物體就從深度圖中去除。為此，假設場景中的物體正在移動。因此，在某最小數目個幀中深度沒有變化的任何像素都被假設是背景物體。深度值大于該靜態深度值的像素被認為是屬于背景物體的，因此都被置零。開始，場景中的所有像素可以都被定義為靜態，或者場景中的所有像素可以都被定義為非靜態的。在這兩種情形中，一旦對象開始運動，就可以動態生成實際的深度過濾器。

當然，還可以通過現有技術中已知的其它方法來除去深度圖像中的背景。

在除去背景之后，可以通過邊緣檢測方法在深度圖中找出身體的外部輪廓。本實施例中，采用兩步閾值化機制來找出人體的輪廓：

首先，遍歷深度圖像中與人形相對應的斑塊中的所有像素，并且，如果任何給定像素具有有效深度值，并且如果該像素與其四個相連的鄰近像素(右、左、上和下)中的至少一個像素之間的深度值之差大于第一閾值，則將其標記為輪廓位置。(其中，有效深度值和零值之間的差被認為是無窮大)。

然后，在完成了上一步驟之后，再次遍歷該斑塊，并且如果在任何像素(該像素還沒有被標記為輪廓位置)的八個相連的鄰近像素之中有輪廓像素，并且如果當前像素和剩下的相連鄰近位置中的至少一個像素之間的深度值之差大于第二閾值(低于所述第一閾值)，則將其標記為輪廓位置。

在找出人體的外輪廓之后，再識別身體的各個部位，例如，頭部、軀干和四肢。

先旋轉深度圖像，使得身體輪廓處于豎直位置。該轉動的目的是為了通過將身體的縱軸與y坐標(垂直)軸對齊來簡化下述步驟中的計算。可選擇地，下述計算可以相對于身體的縱軸來執行，而不需要進行該轉動，如本領域技術人員所了解的。

在識別身體的各個部位之前，可以先找出身體的3d軸。具體地，找出身體的3d軸可以采用以下方法：

將原始深度圖像下采樣(down-sample)為節點柵格，其中，在x方向和y方向上隔n個像素取一個節點。基于以節點為中心的n×n方塊中的深度值來計算每個節點的深度值。如果方塊中多于半數像素具有零值，則將相應節點設置為零值。否則，將該節點設置為n×n方塊中的有效深度值的平均值。

然后，可以基于鄰近節點的值來進一步“清理”該下采樣的深度圖像：如果給定節點的大部分相鄰節點具有零值，則將該節點也設置為零值(即使在前述步驟之后它具有有效的深度值)。

在上述步驟完成時，找出下采樣的圖中所剩節點的縱軸。為此，可以進行線性最小二乘擬合來找出最擬合各節點的線。可選擇地，可以擬合圍繞各節點的一個橢圓并找出其主軸。

在找出身體的3d軸之后，通過在平行和垂直于縱軸的方向上測量身體輪廓的厚度來識別身體的軀干。為此，可以在身體輪廓的周圍限定約束框，然后可以對該框中的像素值進行二值化：將具有零深度值的像素設為0，而將具有非零深度值的像素設為1。

然后，通過沿著相應的垂直線對二進制像素值進行相加，對框內的每個x值計算縱向厚度值，并通過沿著相應的水平線對二進制像素值進行加和，對每個y值計算橫向厚度值。對所得到的值應用閾值，以便識別沿著哪些條垂直線和水平線輪廓相對厚。

當輪廓某一水平區域的橫向厚度超過x閾值，某一垂直區域的縱向厚度超過y閾值時，該水平區域和垂直區域的交集可以確定為軀干。

在確定了軀干之后，可以基于幾何考慮來識別身體的頭部和四肢。手部手臂是連接到軀干區域的左側和右側的區域；頭部是軀干區域上方的連接區域；腿部是軀干區域下方的連接區域。還可以將軀干區域的左上角和右上角初步識別為肩膀。

當輪廓以及人體的各個部位均識別出來之后，即可在深度圖像中識別出人體。

s203、獲取多個人體在深度圖像序列中的人體位置信息。

當步驟s202識別出人體之后，可以根據步驟s202中識別出的人體輪廓、人體部位等信息獲取人體的特定點的位置，即該點在相機坐標系中的坐標。

人體位置信息可以是人體的軀干的質心的位置信息。例如，人體的軀干的質心在相機坐標系中的坐標。步驟s202中，當從輪廓中識別出軀干、頭部、右壁、左臂、右腿和左腿之后，可以確定身體每個區域的質心。其中，區域的質心指該區域的代表深度或位置。為此，例如，可以生成區域內深度值的直方圖，并將具有最高頻率的深度值(或具有最高頻率的兩個或多個深度值的平均值)設為該區域的質心。確定了軀干的質心之后，即可確定人體的軀干的質心在相機坐標系中的坐標。

值得一提的是，本發明中的質心是指通過深度圖像處理所獲取的質心，而并非物理質心。本發明的質心可以通過質心法獲取，也可以通過其它方法獲取，本發明不做限定。

如圖3所示，圖3是本發明實施例的一個場景的俯視圖。深度相機10所拍攝的場景內有人體a、人體b和人體c，根據深度相機10拍攝的深度圖像可以確定人體a的軀干的質心在相機坐標系中的坐標為(x1,y1,z1)，人體b的軀干的質心在相機坐標系中的坐標為(x2,y2,z2)，人體c的軀干的質心在相機坐標系中的坐標為(x3,y3,z3)。

當然，在其它一些實施例中，人體位置信息還可以是人體輪廓上特定點的位置信息，可以通過步驟s202識別的人體的輪廓來確定人體的輪廓上特定點，從而確定其在相機坐標系上的坐標。在另一些實施例中，人體位置信息還可以是人體的部位或者該部位的質心(或中心)的位置信息，可以通過驟s202識別的人體頭部、肩膀、四肢等部位，從而確定該人體部位在相機坐標系上的坐標，或者通過上述方法確定該人體部位的質心，從而確定該人體部位的質心在相機坐標系上的坐標。

s204、根據人體位置信息計算多個人體之間的人體距離信息。

具體地，可以通過各人體在相機坐標系中的坐標值來計算多個人體之間的人體距離信息。其中，人體距離信息可以是多個人體的輪廓邊緣之間的距離，人體距離信息還可以是多個人體的人體質心或者人體中心之間的距離，此外，人體距離信息還可以是多個人體的某個人體部位，例如，人體的頭部、肩膀等或者該部位的質心或中心的距離。

舉例而言，圖3中的人體a和人體b之間的距離信息s1是人體a的軀干的質心和人b的軀干的質心之間的距離，其計算方法為：

同理，人體a的軀干的質心和人體c的軀干的質心之間的距離信息s2的計算方法為：

人體b的軀干的質心和人體c的軀干的質心之間的距離信息s3的計算方法為：

值得一提的是，當識別出多個人體的時候，人體距離信息為多個人體中兩兩人體之間的距離信息。

s205、將人體距離信息與預設的人體距離閾值比較。

具體地，步驟s205之前，可以預設一人體距離閾值以使實際人體距離信息與該人體距離閾值比較，從而作為判斷人體關聯關系的一個標準。

人體距離閾值s0可以是0-1m，例如，0-0.6m，具體可以是0.2m，0.3m，0.4m或者0.5m，可以理解地，在其它一些實施例中，人體距離閾值還可以是其它值，可以根據實際需求設定，本發明不做限定。

例如，本實施例中，s0＝0.5m，s1＝0.2m，s2＝1.5m，s3＝1.2m，可以得出比較結果：s1＜s0，s2＞s0，s3＞s0，即，人體a和人體b之間的距離信息小于人體距離閾值，表示人體a和人體b的距離較近，并且可能是跟隨關系，但人體a和人體b的近距離關系有可能為偶然發生的，因而需要進入步驟s206-s207排除此種偶然發生的近距離關系。而人體b和人體c之間的距離較遠，人體a和人體c之間等距離也較遠，因而認為人體b和人體c之間、人體a和人體c之間均不是跟隨關系。

s206、若人體距離信息小于或等于人體距離閾值，則檢測人體距離信息小于或等于人體距離閾值的狀態的第一持續時長。

檢測第一持續時長可以從檢測到人體距離信息小于或等于人體距離閾值時開始進行計時。

s207、當第一持續時長達到預設的第一時間閾值時，則判斷多個人體之間的關聯關系為跟隨。

步驟s207即從開始計時到所計時長達到預設的第一時間閾值時即做出判斷。

其中，第一時間閾值可以在步驟s206前預先設定，以將人體距離信息小于或等于人體距離閾值的狀態的第一持續時長與預設的第一時間閾值進行比較，從而作為判斷人體關聯關系的另一個標準。

具體地，該第一時間閾值t0可以是30-90s，例如，30-70s，具體可以是45s，50s或者60s等。當然，在其它一些實施例中，第一時間閾值還可以是其它數值，具體根據實際需要而設定，本發明不做限定。

當該第一持續時長達到第一時間閾值時，表示人體之間在較長的時間段內維持了較近距離的位置關系，因而可以判斷該人體之間的關聯關系為跟隨。

例如，本實施例中，t0＝60s，當檢測到人體a和人體b的距離信息小于人體距離閾值的狀態所維持的第一持續時長達到60s時，表示人體a和人體b在較長的時間內保持較近的距離，則判斷人體a和人體b之間的關聯關系為跟隨，然后進入步驟s208。

可以理解地，若第一持續時長未達到第一時間閾值，表示人體a和人體b之間近距離狀態持續的時間并不長，表示人體a和人體b之間僅是偶然地發生近距離狀態，因而可以認為人體a和人體b之間并不是跟隨關系，因而不會進入步驟s208。

s208、將關聯關系進行標記，并對關聯關系相關的人體進行標記，并保存。

在判斷人體a和人體b之間是跟隨關系之后，可以將該跟隨的關聯關系進行標記，同時對該人體a和人體b分別進行標記，并保存，以便于后期對該關聯關系及相關的人體進行跟蹤監控。

請參閱圖4，圖4是本發明提供的一種人體關聯關系的判斷方法另一實施例的流程示意圖。圖4所示的人體關聯關系的判斷方法包括步驟：

s301、獲取多人場景的深度圖像序列。

s302、從深度圖像序列中識別多個人體，并根據識別出的多個人體進一步識別人體部位。

具體地，人體部位可以是人體的軀干或者四肢等部位，其中，人體部位可以通過上一實施例中的方法來識別，在此不再贅述。例如，本實施例中的人體部位為手部，手部可以在識別出左、右臂之后，識別左、右臂的外端部為手部。在深度圖像序列中通過人體的輪廓識別出人體之后，可以進一步通過該人體的部位的輪廓來識別出人體的部位。例如，通過手部的輪廓信息來識別人體的手部。

s303、獲取多個人體的人體部位在深度圖像序列中的部位位置信息。

其中，部位位置信息可以是人體部位的輪廓上特定點在在相機坐標系中的坐標，還可以是人體部位的質心或中心在相機坐標系中的坐標。人體部位的輪廓以及人體部位的質心的獲取可以通過上一實施例中所述的方法，在此不再贅述。

例如，如圖5所示，圖5是本發明另一實施例的一個場景的俯視圖。圖5中深度相機10所拍攝的場景內有人體d和人體e，通過深度相機10拍攝的深度圖像可以確定，人體d的手的質心在相機坐標系中的坐標為(x4,y4,z4)，人體e的手的質心在相機坐標系中的坐標為(x5,y5,z5)。

s304、根據部位位置信息計算多個人體的人體部位之間的部位距離信息。

具體地，可以通過各人人體部位在相機坐標系中的坐標值來計算多個人體部位之間的部位距離信息。部位距離信息可以是人體部位的輪廓的特定點之間的距離，也可以是人體部位的質心或者中心之間的距離。

舉例而言，圖5中的人體d的手的質心和人體e的手的質心之間的距離信息s4的計算方法為：

s305、將部位距離信息與預設的部位距離閾值比較。

其中，部位距離閾值可以在步驟s305之前預先設置好，以作為判斷人體關聯關系的一個標準。

部位距離閾值s0’可以是0-0.03m，例如，0.01m，0.02m，或者0.03m，可以理解地，在其它一些實施例中，部位距離閾值還可以是其它值，可以根據實際需求設定，本發明不做限定。

本實施例中，s0’＝0.02m，s4＝0m，即人體d的手部和人體e的手部之間的距離信息小于部位距離閾值，s4＜s0’，表示人體d的手部和人體e的手部距離較近，本實施例中，s4＝0m，可表示人體d的手部和人體e的手部接觸，但是人體d的手部和人體e的手部的近距離的關系有可能為偶然發生的狀態，因而需要進入步驟s306-s307排除此種偶然發生的近距離關系。

s306、若部位距離信息小于或等于部位距離閾值，則檢測部位距離信息小于或等于部位閾值距離的狀態的第二持續時長。

步驟s306中，在檢測到部位距離信息小于或等于部位距離閾值時即開始計時，以檢測第二時長。

s307、當第二持續時長達到第二時間閾值時，則判斷多個人體之間的關聯關系為跟隨。

步驟s307即從開始計時到所計時長達到第二時間閾值時即做出判斷。

其中，第二時間閾值可以在步驟s306前預先設定，以將部位距離信息小于或等于部位距離閾值的狀態的第二持續時長與預設的第二時間閾值進行比較，從而作為判斷人體關聯關系的另一個標準。

具體地，該第二時間閾值t0’可以是1-10s，例如，1-4s，或者5s-9s，具體可以是2s，3s，4s，6s或者8s等。可以理解地，在其它一些實施例中，第二時間閾值還可以是其它數值，具體根據實際需要而設定，本發明不做限定。

當該第二持續時長達到第二時間閾值時，表示人體部位之間在較長的時間段內維持了相互接觸的關系，因而可以判斷該兩個人體之間的關聯關系為跟隨。

例如，本實施例中，t0’＝2s，人體d的手部和人體e的手部的距離信息小于部位距離閾值的狀態的第二持續時長達到2s時，表示人體d的手部和人體e的手部在較長的時間內保持接觸的關系，表示人體d和人體e之間的關聯關系為牽手，本實施例將牽手作為跟隨關系的一種情況，因此，同樣判斷人體d和人體e之間的關聯關系為跟隨，然后進入步驟s308。

可以理解地，若第二持續時長未達到第二時間閾值，則表示人體d的手部和人體e的手部之間僅是偶然地發生接觸，該接觸狀態持續的時間并補償，因而可以認為人體d和人體e之間并不是跟隨關系，因而不會進入步驟s308。

s308、將關聯關系進行標記，并對關聯關系相關的人體進行標記，并保存。

判斷人體d和人體e之間是跟隨關系之后，可以將該跟隨的關聯關系進行標記，同時對該人體d和人體e分別進行標記并保存，以便于后期對該關聯關系即相關的人體進行跟蹤監控。

可以理解地，在其它一些實施例中，人體d和人體e之間還可能是其它狀態，例如抱嬰狀態。此時，人體d和人體e之間，不管是人體之間的人體距離信息還是人體部位之間的部位距離信息均為0，且持續時長較長，可以通過深度圖像序列準確地進行判斷。

在本發明的一些實施例中，可以直接通過人體之間的距離及該距離維持的時間來判斷人體的關聯關系。在另一些實施例中，也可以至二級通過人體部位之間的距離及該距離維持的時間來判斷人體的關聯關系。在又一些實施例中，還可以是通過人體之間的距離及其持續時間以及通過人體部位之間的距離及其持續時間進行判斷，例如，先通過人體之間的距離及其持續時間進行判斷，若判斷為非跟隨關系，則再通過人體部位之間的距離及其持續時間進行判斷，以使判斷結果更加準確。

本發明還提供了一種判斷人體關聯關系的裝置，如圖6所示，圖6是本發明提供的一種判斷人體關聯關系的裝置實施例的結構示意圖。該裝置包括至少一個深度相機10和處理器11，其中深度相機10和處理器11連接。

具體地，深度相機10用于獲取多人場景的深度圖像序列。

其中，多人場景可以是例如車站、游樂場等公共場合。深度相機10獲取的深度圖像不僅包括空間物體的像素信息，還包括每一像素信息的深度信息，即空間內物體到深度相機10之間的距離信息。深度圖像序列則是指在一個時間段內的連續的深度圖像。

處理器11用于從深度圖像序列中識別多個人體；獲取多個人體在深度圖像序列中的空間位置信息；根據多個人體的空間位置信息及多個人體的空間位置信息之間的關系所持續的時長判斷多個人體之間的關聯關系。

例如，處理器11基于深度圖像中出現的人體的深度圖輪廓來識別人體，根據深度圖像獲取人體的空間位置信息，該空間位置信息可以包括該人體相對于深度相機的相機坐標系上的第一坐標，還可以包括人體相對于場景所在世界坐標系上的第二坐標。通過多個人體各自的空間位置信息獲得多個人體各自空間位置信息之間的關系，并檢測出該空間位置信息之間的關系持續的時長，最后根據該空間位置信息之間的關系以及該關系維持的時長來判斷多個人體之間的關聯關系。

請參閱圖7，圖7是本發明提供的一種判斷人體關聯關系的裝置另一實施例的結構示意圖。

本實施例的判斷人體關聯關系的裝置包括至少一個深度相機20、處理器21和存儲器22，深度相機20和存儲器22均與處理器21連接。

其中，深度相機20用于獲取多人場景的深度圖像序列。

處理器21用于從深度圖像序列中識別多個人體；獲取多個人體在深度圖像序列中的空間位置信息，其中，空間位置信息為人體位置信息；根據人體位置信息計算多個人體之間的人體距離信息；將人體距離信息與預設的人體距離閾值比較；若人體距離信息小于或等于人體距離閾值，則檢測人體距離信息小于或等于人體距離閾值的狀態的第一持續時長；當第一持續時長達到預設的第一時間閾值時，則判斷多個人體之間的關聯關系為跟隨。將關聯關系進行標記，并對關聯關系相關的人體進行標記。

在另一實施例中，處理器21用于從深度圖像序列中識別多個人體，并根據識別出的多個人體進一步識別人體部位；獲取多個人體的人體部位在深度圖像序列中的部位位置信息；根據部位位置信息計算多個人體的人體部位之間的部位距離信息；將部位距離信息與預設的部位距離閾值比較；若部位距離信息小于或等于部位距離閾值，則檢測部位距離信息小于或等于部位閾值距離的狀態的第二持續時長；當第二持續時長達到預設的第二時間閾值時，則判斷多個人體之間的關聯關系為跟隨。

存儲器22用于對所做的標記進行保存，以便于后期對該關聯關系即相關的人體進行跟蹤監控。

本發明還提供了一種存儲裝置，該存儲裝置存儲有程序數據，該程序數據能夠被執行以實現上述任一實施例的人體關聯關系的判斷方法。

舉例而言，該存儲裝置可以是便攜式存儲介質，例如u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等。可以理解地，存儲裝置還可以是服務器等各種可以存儲程序代碼的介質。

綜上所述，本發明能準確判斷人體的關聯關系，可以規避誤判，能有效地對場景進行監控。

以上所述僅為本發明的實施方式，并非因此限制本發明的專利范圍，凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發明的專利保護范圍內。