基于動(dòng)態(tài)圖像序列的非剛體運(yùn)動(dòng)重建研究.pdf

1、從動(dòng)態(tài)圖像序列中恢復(fù)物體的三維結(jié)構(gòu)與運(yùn)動(dòng)信息是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究?jī)?nèi)容之一。基于動(dòng)態(tài)圖像序列的因式分解法具有較強(qiáng)的魯棒性和準(zhǔn)確性,因此該方法在解決三維運(yùn)動(dòng)重建問(wèn)題中應(yīng)用最為廣泛。傳統(tǒng)因式分解法的研究對(duì)象主要是靜態(tài)場(chǎng)景下的剛性物體,對(duì)于動(dòng)態(tài)場(chǎng)景下的非剛體難以直接應(yīng)用傳統(tǒng)的因式分解法進(jìn)行處理。
　　 目前已有的非剛體三維運(yùn)動(dòng)重建算法都簡(jiǎn)單的假設(shè)非剛體的形狀基個(gè)數(shù)已知,然而形狀基個(gè)數(shù)對(duì)三維重建方法來(lái)說(shuō)十分重要,如果形狀基個(gè)數(shù)估算錯(cuò)

2、誤,會(huì)導(dǎo)致重建算法完全失效。此外已有算法都假設(shè)攝像機(jī)是仿射攝像機(jī)模型,仿射模型是真實(shí)透視投影模型的近似,這種近似只有在物體尺寸相對(duì)于物體與攝像機(jī)的距離很小時(shí)才成立,當(dāng)物體距離攝像機(jī)較近時(shí)會(huì)造成較大的重建誤差。
　　 針對(duì)以上問(wèn)題,本文主要做了以下幾方面的工作:
　　 (1)提出了一種基于單目圖像序列的非剛體形變程度估計(jì)方法。形變程度估算是非剛性物體結(jié)構(gòu)和運(yùn)動(dòng)分析研究中的一個(gè)重要問(wèn)題?，F(xiàn)有的形變程度估計(jì)方法通常不考慮特征點(diǎn)

3、丟失問(wèn)題,并假設(shè)無(wú)位置誤差或不確定性是各向同性的,使得這些形變程度估算方法的適用性變得很差。為使算法更實(shí)用,本文提出了一種同時(shí)考慮圖像的方向性誤差和特征點(diǎn)數(shù)據(jù)丟失問(wèn)題的形變程度估計(jì)方法。對(duì)人體活動(dòng)圖像序列的實(shí)驗(yàn)表明,該方法的適用性強(qiáng)且結(jié)果可靠。
　　 (2)研究了一種改進(jìn)的線性迭代算法,解決在真實(shí)透視投影模型下從動(dòng)態(tài)圖像序列中恢復(fù)非剛體的三維結(jié)構(gòu)與運(yùn)動(dòng)信息問(wèn)題?，F(xiàn)有算法都假設(shè)攝像機(jī)為弱透視投影模型,而這種假設(shè)只有在物體尺寸和深度

4、變化相對(duì)于物體與攝像機(jī)的距離很小時(shí)才成立。因此本文利用線性迭代算法將非剛體因式分解法從弱透視投影模型下擴(kuò)展到一般透視投影模型下。對(duì)人臉面部表情變化的動(dòng)態(tài)圖像序列實(shí)驗(yàn),表明了本文改進(jìn)算法的有效性和精確性。
　　 (3)應(yīng)用冪因式分解法來(lái)解決基于動(dòng)態(tài)圖像序列的非剛體三維運(yùn)動(dòng)重建問(wèn)題?；谄娈愔档囊蚴椒纸夥ㄖ?對(duì)變換矩陣求解較為復(fù)雜,并且該方法的重建誤差較大。因此本文研究利用冪因式分解來(lái)解決從動(dòng)態(tài)圖像序列中恢復(fù)非剛體的三維結(jié)構(gòu)和運(yùn)動(dòng)信