基于逆向運動學的人體運動圖像跟蹤算法研究.pdf

1、基于視覺的人體運動分析是計算機視覺領域的一個研究熱點，在自然人機交互和虛擬現(xiàn)實等領域有廣泛應用?；谀嫦蜻\動學的人體運動跟蹤方法是面向單目視頻的、基于人體外觀模型和模板匹配技術的無標記人體運動跟蹤方法，其具有無需標記、使用方便的優(yōu)點，但是其具有跟蹤精度不高且相當耗時的缺陷。本文針對基于逆向運動學人體運動跟蹤算法跟蹤精度不高與相當耗時的缺陷，提出了相應的改進方法。
　　本文的主要工作和創(chuàng)新點如下:
　　1.本文對基于逆向運動跟

2、蹤算法的關節(jié)位置預測方法和旋轉角的計算方法進行了改進。關節(jié)位置預測方法的優(yōu)劣會影響跟蹤算法效率和有效性?；谀嫦蜻\動跟蹤算法做了關節(jié)的運行模式是速度不變的假設，而真實的跟蹤過程中關節(jié)的運動模型是變速的且?guī)в须S機性的，會導致他們的局部尋優(yōu)較慢;當預測位置出現(xiàn)較大偏差，關節(jié)不在尋優(yōu)區(qū)域時，會導致找不到準確的關節(jié)位置。因此，我們采用了粒子濾波的方式對關節(jié)位置進行預測，提高了跟蹤的有效性。
　　2.本文對基于逆向運動跟蹤算法的模板匹配方法

3、進行了改進?；谀嫦蜻\動學的跟蹤方法采用的是灰度直方圖匹配的方式。當關節(jié)在圖像中的某幾個位置時，此關節(jié)對用的形變外觀模型的灰度直方圖可能是一樣的，因為灰度直方圖表示的統(tǒng)計信息，它沒有考慮到形變外觀模型的每個像素對應情況，故它確定的最優(yōu)匹配位置有可能不是最優(yōu)匹配位置。故我們采用計算兩者相關系數(shù)的方法對其相似程度進行評估，考慮了兩個圖像塊對應像素的相似程度，比計算灰度直方圖相似度的方法能更加準確的獲得關節(jié)的最優(yōu)估計位置，進而提高了跟蹤算法的

4、有效性。
　　3.提出了利用3dmax生成序列圖片作為測試樣本，將跟蹤結果與3dmax的得到的真實數(shù)據進行比較的驗證方法。其中，圖片序列的生成過程采用根據已知運動目標的關節(jié)位置，生成人體的動作序列，進而生成實驗所需視頻。然后，使用傳統(tǒng)算法與本文算法在生成所得視頻基礎上進行運動目標的跟蹤，從而獲得運動目標的最優(yōu)估計值。最后，將估計值與原始的真實值進行比較，通過計算各人體關節(jié)的圖像空間的像素值偏差，來說明本文算法的有效性。