融合深度圖和三維模型的人體運動捕獲技術研究.pdf

1、本文在已有研究的基礎上，對運動捕獲的算法及技術進行了深入的分析，針對當前熱點的運動捕獲方法存在的一些缺點提出了一種融合深度圖和三維模型的運動捕獲算法。利用Kinect采集深度圖像，經(jīng)過對深度圖去除背景，從中恢復出三維模型，進而建立三維模型數(shù)據(jù)庫。然后根據(jù)深度圖提取人體骨架，建立骨架數(shù)據(jù)庫。接著使用運動捕獲的識別算法，輸入一組深度圖動作序列，經(jīng)過上述過程得到三維模型后與三維模型數(shù)據(jù)庫中的模型進行匹配，計算出與之距離最小的序列，輸出相應的骨

2、架作為動作捕獲的結果。通過實驗驗證了本文系統(tǒng)的效率。本文的工作內容主要包括以下幾個方面:
　　(1)通過對運動捕獲技術研究背景及國內外研究現(xiàn)狀的總結，提出本文的研究方向。
　　(2)在目前主流的深度圖像獲取方法研究的基礎上，提出了使用kinect獲取深度圖像的方法。同時，提出基于深度值的迭代閾值法去除深度圖像背景的算法。
　　(3)基于現(xiàn)有的三維模型重建的方法的特點，提出了基于深度圖像的三維模型重建方法。通過對深度圖像

3、中三維信息的使用可以方便的恢復出三維模型。
　　(4)以現(xiàn)有的骨架提取技術為基礎，提出了一種先找出骨架關節(jié)點，然后將關節(jié)點用簡單線條連接的骨架提取算法。并在該算法下實現(xiàn)了骨架的提取。
　　(5)在現(xiàn)有的運動捕獲分析方法的基礎上，確定使用識別法進行本文的運動捕獲仿真分析。建立了三維模型和人體骨架兩個一一對應的數(shù)據(jù)庫。確定使用層次聚類算法對三維模型的點云數(shù)據(jù)進行聚類。同時，提出了使用DTW算法進行運動序列的相似性測量，并通過實驗