動(dòng)態(tài)藝術(shù)數(shù)字化中的運(yùn)動(dòng)捕捉關(guān)鍵技術(shù)研究.pdf

1、我國(guó)民間舞蹈、戲益身段、中國(guó)功夫等動(dòng)態(tài)藝術(shù)種類(lèi)繁多，資源極其豐富。然而，目前動(dòng)態(tài)藝術(shù)面臨傳承人的去世而失傳或者瀕臨失傳，必須利用數(shù)字化技術(shù)對(duì)動(dòng)態(tài)藝術(shù)進(jìn)行有效的記錄和保護(hù)。運(yùn)動(dòng)捕捉數(shù)據(jù)在動(dòng)作表示、數(shù)據(jù)復(fù)用和數(shù)據(jù)管理等方面優(yōu)于視頻記錄方式和動(dòng)作譜，因此利用運(yùn)動(dòng)捕捉數(shù)字化記錄動(dòng)態(tài)藝術(shù)能夠更有效的保護(hù)動(dòng)態(tài)藝術(shù)。
　　本文圍繞運(yùn)動(dòng)捕捉技術(shù)數(shù)字化動(dòng)態(tài)藝術(shù)這一課題中的數(shù)據(jù)獲取和管理兩個(gè)方面展開(kāi)研究。動(dòng)態(tài)藝術(shù)分布地域廣，數(shù)據(jù)采集場(chǎng)地隨意，而有標(biāo)識(shí)

2、運(yùn)動(dòng)捕捉系統(tǒng)不便于攜帶，且要求特定的場(chǎng)地。針對(duì)此問(wèn)題，本文研究基于多視角的無(wú)標(biāo)識(shí)運(yùn)動(dòng)捕捉技術(shù)，提供一種非接觸的運(yùn)動(dòng)捕捉數(shù)據(jù)獲取方法。重點(diǎn)研究了在未知背景下的前景提取方法和更魯棒的人體姿態(tài)估計(jì)方法，致力于盡可能減少現(xiàn)有人體運(yùn)動(dòng)捕捉系統(tǒng)在實(shí)際應(yīng)用中的限制，構(gòu)建一個(gè)便攜移動(dòng)、能夠處理復(fù)雜場(chǎng)景且準(zhǔn)確獲取人體姿態(tài)的人體運(yùn)動(dòng)捕捉系統(tǒng)。隨著采集的數(shù)據(jù)越來(lái)越多，高效的數(shù)據(jù)檢索是動(dòng)態(tài)藝術(shù)數(shù)字化保護(hù)和應(yīng)用的基礎(chǔ)。針對(duì)運(yùn)動(dòng)捕捉數(shù)據(jù)不容易獲取，檢索樣本輸入難問(wèn)

3、題，重點(diǎn)研究了交互自然的運(yùn)動(dòng)捕捉數(shù)據(jù)檢索方法。通過(guò)數(shù)據(jù)獲取及管理，為我國(guó)動(dòng)態(tài)藝術(shù)資源數(shù)字化提供一個(gè)可行有效的數(shù)字化平臺(tái)。本文的主要研究工作如下:
　　(1)提出了一種基于局部譜的前景（人體）聯(lián)合提取方法。針對(duì)在未知背景模型和未知攝像機(jī)標(biāo)定參數(shù)的情況下多視角圖像前景提取難的問(wèn)題，本文提出了一種基于局部譜的前景聯(lián)合提取方法，即同時(shí)從兩張或者多張圖像中分割出含有相同或者相似的前景。將聯(lián)合提取問(wèn)題看成是一個(gè)圖劃分問(wèn)題，然后利用Biased

4、Ncuts方法通過(guò)拉普拉斯矩陣的譜的局部信息提取出我們關(guān)注的前景。本方法只需要標(biāo)記出感興趣的前景區(qū)域或者手動(dòng)提取一張圖像作為先驗(yàn)，而不是以往的標(biāo)記前景和背景區(qū)域，大大減少了人工操作。適用于多視角的圖像前景提取，能夠處理未知背景模型及背景復(fù)雜的場(chǎng)景，提高了運(yùn)動(dòng)捕捉系統(tǒng)的靈活性。
　　(2)提出了一種基于最近點(diǎn)對(duì)拓?fù)湟恢滦约s束的人體姿態(tài)估計(jì)方法。在基于生成式的姿態(tài)估計(jì)的框架中，姿態(tài)估計(jì)問(wèn)題被看成是一個(gè)最優(yōu)的人體模型匹配問(wèn)題，包括建模和

5、優(yōu)化兩部分。針對(duì)之前主要以輪廓、邊緣匹配的外蘊(yùn)相似度度量的姿態(tài)估計(jì)方法易陷入局部最小而導(dǎo)致姿態(tài)估計(jì)失敗問(wèn)題，在原有外蘊(yùn)相似度的基礎(chǔ)上，增加基于熱擴(kuò)散距離的內(nèi)蘊(yùn)相似度懲罰項(xiàng)，驅(qū)使人體先驗(yàn)?zāi)Ｐ偷淖藨B(tài)和觀察模型不僅達(dá)到輪廓邊緣最優(yōu)匹配，而且最近點(diǎn)對(duì)在流形空間中保持等距性，即在拓?fù)浣Y(jié)構(gòu)上也達(dá)到一致，提高姿態(tài)估計(jì)算法的精度和魯棒性。在此基礎(chǔ)上，針對(duì)粒子濾波在姿態(tài)估計(jì)中粒子數(shù)和迭代層數(shù)都固定的問(wèn)題，提出了一種面向姿態(tài)估計(jì)的自適應(yīng)粒子濾波算法。當(dāng)肢體

6、間嚴(yán)重自遮擋時(shí)，概率密度復(fù)雜，需要較多的粒子和迭代層數(shù)，此時(shí)人體模型和人體外形拓?fù)洳灰恢?，?nèi)蘊(yùn)距離較大;相反，姿態(tài)簡(jiǎn)單，拓?fù)浣Y(jié)構(gòu)一致，只需要較少的粒子和迭代層數(shù)?；诖颂岢隽嘶谕?fù)湟恢滦缘淖赃m應(yīng)粒子濾波算法，在取得和已有的優(yōu)化算法接近的精度下，花費(fèi)更少的時(shí)間。
　　(3)提出了一種基于拉班動(dòng)作譜的運(yùn)動(dòng)捕捉數(shù)據(jù)檢索方法。隨著運(yùn)動(dòng)捕捉數(shù)據(jù)的日積月累，快速有效的從數(shù)據(jù)庫(kù)中找出想要的動(dòng)作數(shù)據(jù)是數(shù)據(jù)展示和應(yīng)用的前提，但運(yùn)動(dòng)捕捉數(shù)據(jù)不像圖像

7、視頻那樣容易獲取，直接輸入運(yùn)動(dòng)捕捉數(shù)據(jù)作為檢索樣本是困難的。針對(duì)此問(wèn)題，本文提出了一種基于拉班動(dòng)作譜的運(yùn)動(dòng)捕捉數(shù)據(jù)檢索方法。采用一種能讀能寫(xiě)可編輯的人體動(dòng)作二維符號(hào)——啦班動(dòng)作譜來(lái)代替樣本數(shù)據(jù)輸入，通過(guò)拉班符號(hào)分級(jí)標(biāo)注運(yùn)動(dòng)捕捉數(shù)據(jù)以及基于拉班動(dòng)作分析(LMA)的排序策略，實(shí)現(xiàn)運(yùn)動(dòng)捕捉數(shù)據(jù)的快速有效檢索。
　　綜合上述工作，構(gòu)建一個(gè)基于運(yùn)動(dòng)捕捉的動(dòng)態(tài)藝術(shù)數(shù)字化平臺(tái)。通過(guò)多視角影像、運(yùn)動(dòng)捕捉數(shù)據(jù)以及拉班動(dòng)作譜三種記錄方式及相關(guān)管理和展