基于Kinect的個性化人體三維動作重現(xiàn)與動作細節(jié)比對研究.pdf

1、隨著社會經濟的快速發(fā)展，國民的生活節(jié)奏逐漸加速，人們往往將重心放在了對物質生活的追求上，將大量的精力投入到工作和學習當中，而花費在體育運動、精神生活的時間日漸減少。這不可避免地將導致各種生理健康問題與心理健康問題的發(fā)生。多項研究發(fā)現(xiàn)，運動鍛煉是能夠緩解甚至解決這一問題的最有效途徑之一。鑒于此，本課題組致力于大眾的體育運動示教系統(tǒng)研究，幫助人們進行體育鍛煉。
　　在示教系統(tǒng)的研究中，目前存在的問題主要有三方面，一為動作捕獲系統(tǒng)的價格

2、昂貴、精度低、干擾大等問題；二為動作重現(xiàn)系統(tǒng)模型逼真度和系統(tǒng)運行實時性達不到用戶的要求；三為精細的動作比對分析系統(tǒng)方法較少，而且缺乏標準的定性和定量評價方式。本文針對這些問題進行了相關研究：
　　首先，在動作捕獲系統(tǒng)研究方面，權衡精確度與價格因素，我們選擇微軟Kinect傳感器作為動作捕獲設備，其精度適中，價格便宜，且其非侵入式特性使其對用戶運動影響較小。在捕獲數(shù)據(jù)后處理上，將原始深度信息轉換為骨骼信息進行存儲，為后面的重建和分析

3、奠定堅實的基礎。
　　其次，在動作重現(xiàn)系統(tǒng)研究方面，針對數(shù)據(jù)抖動問題，我們對 Kinect生成的數(shù)據(jù)進行平滑處理，改善了動作重現(xiàn)效果；針對模型的失真和模型個性化的問題，選擇MakeHuman作為模型生成器，通過中間插件的配合，生成逼真的個性化人體模型；針對模型與動作數(shù)據(jù)的匹配問題，我們找到了一組匹配參數(shù)，緩解了動作失真問題；針對動作實時性的要求，我們選擇了 OGRE圖像渲染引擎完成模型與動作數(shù)據(jù)的整合，實現(xiàn)了游戲級別的動作重現(xiàn)效果

4、。
　　最后，在動作精細比對分析方面，我們提出了基于多關節(jié)線條圖結合 SIFT匹配算法的動作精細比對方法。針對多關節(jié)大數(shù)據(jù)的問題，我們將多維數(shù)據(jù)形式的數(shù)據(jù)轉換為二維線條圖數(shù)據(jù)的形式，可以將數(shù)據(jù)有效的降維觀測和處理。針對動作細節(jié)相似性的問題，我們選用了SIFT特征匹配算法檢索局部特征信息并進行匹配，解決了不同關節(jié)不同通道數(shù)據(jù)之間的耦合問題。針對動作節(jié)奏不一致的問題，我們對匹配后的特征點圖像進行等時間間隔和等關鍵點比例的分段方式處理，