基于動態(tài)圖像序列的非剛體運動重建研究.pdf

1、從動態(tài)圖像序列中恢復物體的三維結構與運動信息是計算機視覺領域的重要研究內(nèi)容之一?；趧討B(tài)圖像序列的因式分解法具有較強的魯棒性和準確性,因此該方法在解決三維運動重建問題中應用最為廣泛。傳統(tǒng)因式分解法的研究對象主要是靜態(tài)場景下的剛性物體,對于動態(tài)場景下的非剛體難以直接應用傳統(tǒng)的因式分解法進行處理。
　　 目前已有的非剛體三維運動重建算法都簡單的假設非剛體的形狀基個數(shù)已知,然而形狀基個數(shù)對三維重建方法來說十分重要,如果形狀基個數(shù)估算錯

2、誤,會導致重建算法完全失效。此外已有算法都假設攝像機是仿射攝像機模型,仿射模型是真實透視投影模型的近似,這種近似只有在物體尺寸相對于物體與攝像機的距離很小時才成立,當物體距離攝像機較近時會造成較大的重建誤差。
　　 針對以上問題,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方法。形變程度估算是非剛性物體結構和運動分析研究中的一個重要問題。現(xiàn)有的形變程度估計方法通常不考慮特征點

3、丟失問題,并假設無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。為使算法更實用,本文提出了一種同時考慮圖像的方向性誤差和特征點數(shù)據(jù)丟失問題的形變程度估計方法。對人體活動圖像序列的實驗表明,該方法的適用性強且結果可靠。
　　 (2)研究了一種改進的線性迭代算法,解決在真實透視投影模型下從動態(tài)圖像序列中恢復非剛體的三維結構與運動信息問題。現(xiàn)有算法都假設攝像機為弱透視投影模型,而這種假設只有在物體尺寸和深度

4、變化相對于物體與攝像機的距離很小時才成立。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展到一般透視投影模型下。對人臉面部表情變化的動態(tài)圖像序列實驗,表明了本文改進算法的有效性和精確性。
　　 (3)應用冪因式分解法來解決基于動態(tài)圖像序列的非剛體三維運動重建問題。基于奇異值的因式分解法中,對變換矩陣求解較為復雜,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解決從動態(tài)圖像序列中恢復非剛體的三維結構和運動信