基于多視點的三維姿態(tài)運動重建與跟蹤.pdf

1、人體運動姿態(tài)捕獲與姿態(tài)分析是計算機視覺領域研究的重點問題之一，在影視游戲、監(jiān)控分析、人機交互、虛擬現(xiàn)實、醫(yī)療診斷和運動分析等方面具有重要的應用價值，具有廣闊的應用前景。當前，由于存在非剛性的人體形狀、二維到三維投影的歧義性、自遮擋、高維參數(shù)的恢復、真實場景下圖像特征提取與匹配等諸多困難，從數(shù)字視頻圖像中恢復出人體三維運動姿態(tài)存在大量的理論問題。因此，研究人體姿態(tài)捕獲與姿態(tài)分析既具有理論研究意義，又具有工程應用價值。
　　 人體姿

2、態(tài)重建與跟蹤是人體姿態(tài)分析的基礎之一。本文圍繞人體姿態(tài)重建及跟蹤開展研究，包括人體與手勢的重建與跟蹤，研究了在多相機環(huán)繞環(huán)境下的人體定位和姿態(tài)跟蹤算法和方法，可以為面向自然真實場景的人體姿態(tài)捕獲與姿態(tài)分析提供理論基礎和系統(tǒng)框架。具體地，本文的主要研究內(nèi)容和創(chuàng)新點如下:
　　 第一、針對復雜場景下的前景目標提取，提出了一種結合深度信息和膚色信息的分割方法。在具有復雜運動背景的環(huán)境中提取前景目標時，利用深度信息可以幫助避免復雜背景和

3、背景物體運動的干擾。本文把RGB相機和Depth相機二者相機結合，提出一種把深度信息和膚色信息結合的分割方法，深度信息可以幫助避免復雜背景的干擾。在背景復雜或有干擾的情況下，提取的前景效果相對于傳統(tǒng)方法來說更為健壯有效。
　　 第二、針對姿態(tài)構造的特點，結合層次策略，提出了一種間接人體模型的自動初始化方法。傳統(tǒng)方法通常使用學習方法或已知參數(shù)的固定姿態(tài)，以及形狀控制參數(shù)、層次策略等方法構造肢體骨架。本文結合層次構造法，提出了基于矢

4、量合成分析方法和改進細化體素方法，構建了具有與真人匹配的人體骨架和拓撲結構，以自適應的模型來替代普遍模型。
　　 第三、針對一個旋轉角分解為分別繞XYZ軸的旋轉角時，傳統(tǒng)方法是必須假設其中一個旋轉角度為零，本文提出了一種引入構造分解法求解旋轉自由度的方法。一個空間點相對于某點的旋轉角，如果要分解為相對于XYZ三軸的旋轉角度，通常需要計算出繞XYZ三軸的旋轉分量，傳統(tǒng)方法必須假設其中一個旋轉角度為零，通過降維來求解另外兩個旋轉分量

5、，該過程不能真實描述各關節(jié)點的運動情況。為了解決此問題，本文引入構造分解法，R是正交矩陣，存在U和Q，使得正交陣R=QUT，選取適當矩陣元素，可使正交矩陣R分解為分別繞Z軸、X軸和Y軸的旋轉矩陣的乘積，從而有效地表達了各關節(jié)點的旋轉信息。
　　 第四、針對傳統(tǒng)運動模型自由度較高的問題，提出了新的運動模型，降低了自由度維數(shù)，并利用此模型實現(xiàn)了運動姿態(tài)跟蹤。合理利用人體生理運動原則及非標記運動的特點，對運動模型重新設計，將運動自由度

6、維數(shù)降至最低，使得自由度的求解速度加快。提出使用一種運動囊概念，運動囊反向驅動骨架的節(jié)點，節(jié)點必須在位移和角度上跟隨變化，通過使用多線索跟蹤技術，把運動囊輪廓邊界線索和重合度線索結合，用梯度法計算姿態(tài)自由度近似最優(yōu)值，進而更新人體骨架各節(jié)點的姿態(tài)參數(shù)。
　　 第五、基于前面提出的算法，開發(fā)出了一套新的基于姿態(tài)捕獲的三維重建原型系統(tǒng)。設計了一維標定物對相機內(nèi)外參標定，標定方法快捷實用。對前面各章方案的有效性進行分析和驗證。系統(tǒng)簡單