基于視頻的人體三維運動恢復(fù)相關(guān)技術(shù)研究.pdf

1、基于視頻的人體運動分析是計算機視覺和圖形學(xué)領(lǐng)域的一個重要的研究方向，從不使用反光標記點的圖像和視頻中恢復(fù)人體三維運動的技術(shù)則是其中一個活躍而重要的研究課題，其對于三維計算機動畫、運動捕獲、自然人機交互、智能視頻監(jiān)控等很多方面都有非常直接的應(yīng)用。本文圍繞基于視頻的人體運動三維恢復(fù)這一課題進行了如下的一系列研究：
　　 提出一種基于非參數(shù)化運動估計和圖像配準的方法來進行相機運動條件下的前景提取，所提取的前景人體輪廓用于后續(xù)的人體運動

2、三維恢復(fù)。對訓(xùn)練背景圖像進行非參數(shù)化運動估計，并利用流形學(xué)習(xí)對訓(xùn)練背景圖像進行建模。之后，通過在背景流形上進行運動插值來快速的估計新視頻幀和訓(xùn)練背景圖像之間的運動，再動態(tài)構(gòu)造出一幅和視頻幀的視角完全相同的背景圖像.最后通過背景減除提取人物(前景)輪廓。該方法可以有效的在相機平移、旋轉(zhuǎn)、抖動、縮放等運動和復(fù)合運動下的視頻中提取人物(前景)輪廓。
　　 提出一種新的自適應(yīng)輪廓特征提取方法，對視頻中提取出的人物輪廓進行特征表達。作為一

3、種二維形狀，有多種形狀特征可以用于輪廓表達。為此，首先考察了多種廣泛使用的輪廓特征在三維姿態(tài)重建中的效果，得到若干重要的比較性結(jié)論。之后，提出自適應(yīng)輪廓特征提取方法，通過不斷的特征漸近組合和選取，從傳統(tǒng)的特征中生成最優(yōu)的特征組合。和原有的輪廓特征相比，新特征具有自適應(yīng)的能力，即：能夠根據(jù)當前的問題所涉及的具體數(shù)據(jù)合理地選擇最優(yōu)的特征；同時，新特征具有很低的維度，有利于減小后續(xù)步驟的計算復(fù)雜度。
　　 提出了一種生成式(gener

4、ative)人體三維運動恢復(fù)方法。首先對人體輪廓進行分析，獲取軀干和末端節(jié)點位置信息；然后采用最優(yōu)化方法搜索最佳三維姿態(tài)。根據(jù)人體骨架特點，提出一個有效且計算簡單的目標函數(shù)以及一種迭代優(yōu)化策略，極大地減少了計算量：設(shè)計了一個新穎的姿態(tài)序列恢復(fù)流程，克服了誤差累積等傳統(tǒng)跟蹤方法的缺點。
　　 提出一種新的三維姿態(tài)距離度量函數(shù)--關(guān)系幾何距離。三維人體姿態(tài)的距離度量，可以直接用來定量評價一個三維運動恢復(fù)算法的準確度。為了使三維姿態(tài)距

5、離度量更好的符合人們的感知，首先，定義了人體三維姿態(tài)上的一個關(guān)系幾何特征庫，這些特征表征了身體各個部位之間的相互關(guān)系。之后，利用自舉(Adaboost)算法，從關(guān)系特征庫中選取最相關(guān)的特征。最后，三維姿態(tài)之間的距離，就表示為特征之間的加權(quán)距離。和其他傳統(tǒng)姿態(tài)距離相比，該距離能夠更好的模擬人對于姿態(tài)相似度的認知。
　　 提出一個區(qū)分式(discriminative)人體三維運動恢復(fù)方法，并實現(xiàn)了一個實際的系統(tǒng)。首先，通過已知的姿態(tài)