基于多摄像机人体运动跟踪方法研究与实现

基于多摄像机人体运动跟踪方法研究与实现

论文摘要

近年来,计算机三维动画是计算机图形学中一个快速发展的研究领域,运动捕获技术的使用为其注入了新的活力。但是由于人体运动的高度复杂性,实时地精确的捕获人体运动仍然是研究重点和难点。运动捕获通过获取视频序列中的人体运动信息,然后赋予新角色,使目标角色的运动与原始视频中的人体运动相似。运动捕获技术中的运动跟踪目的在于获取视频序列中的人体运动信息,跟踪算法性能直接影响运动捕获系统的精确度和稳定性,因此,研究一种鲁棒性好、精确度高、实时性强的运动跟踪算法是提高运动捕获系统性能的关键。本文研究多摄像机人体运动跟踪算法主要研究成如下:为了摆脱首帧手工标注人体模型的约束,本文提出一种自动标注人体运动模型的方法,该方法采用基于修正边缘背景减除法来实现图像中人体模型的提取,通过人体先验知识来识别标记点所代表的人体关节点,然后利用三维重建与投影原理来标注各摄像机人体模型,最后采用最邻近方法修正标注结果。实验表明,该方法摆脱了繁琐的手工标注,实现了有效地自动标注各摄像机人体模型。本文提出一种多摄像机跟踪算法来计算各摄像机的人体模型姿势,其主要思想是:采用改进的粒子滤波算法进行人体模型姿势的预测,并利用逆向外极线约束算法对预测结果进行修正。实验数据表明,该方法对人体模型的跟踪准确度较高,而且能够一定程度上解决遮挡等问题。设计并实现了一个基于标记点多摄像机三维人体运动捕获系统,该系统能够对图像序列中人体模型运动进行三维重建,并最终将人体运动数据以BVH文件格式输出。

论文目录

  • 摘要
  • Abstract
  • 插图索引
  • 附表索引
  • 第1章 绪论
  • 1.1 课题来源
  • 1.2 研究背景与意义
  • 1.3 国内外研究现状
  • 1.4 本文主要工作
  • 1.5 本文的结构
  • 第2章 运动捕获和运动跟踪基础知识
  • 2.1 引言
  • 2.2 运动捕获技术
  • 2.2.1 运动捕获原理
  • 2.2.2 运动捕获系统分类
  • 2.3 运动跟踪技术
  • 2.3.1 基于模型的跟踪方法
  • 2.3.2 基于特征的跟踪方法
  • 2.3.3 基于轮廓的跟踪方法
  • 2.3.4 基于区域的跟踪方法
  • 2.3.5 运动跟踪难点
  • 2.4 小结
  • 第3章 运动跟踪预处理
  • 3.1 摄像机定标
  • 3.2 人体模型运动检测
  • 3.2.1 人体模型与运动检测
  • 3.2.2 人体模型检测算法流程
  • 3.2.3 实验结果与分析
  • 3.3 自动标注人体模型算法
  • 3.3.1 三维重建
  • 3.3.2 透视投影
  • 3.3.3 自动标注人体模型算法流程
  • 3.3.4 实验结果与分析
  • 3.4 小结
  • 第4章 多摄像机人体运动跟踪算法
  • 4.1 粒子滤波器原理
  • 4.1.1 贝叶斯滤波原理
  • 4.1.2 粒子滤波原理
  • 4.2 粒子滤波算法
  • 4.2.1 粒子滤波算法流程
  • 4.2.2 改进的粒子滤波算法
  • 4.2.3 改进的粒子滤波算法流程
  • 4.2.4 实验结果与分析
  • 4.3 逆向外极线算法
  • 4.3.1 外极线约束原理
  • 4.3.2 逆向外极线约束原理
  • 4.3.3 逆向外极线约束算法流程
  • 4.3.4 实验结果与分析
  • 4.4 跟踪算法实验结果与分析
  • 4.5 小结
  • 第5章 多摄像机人体运动捕获系统实现
  • 5.1 系统硬件组成
  • 5.2 系统软件设计
  • 5.3 系统实现与分析
  • 5.4 系统误差分析
  • 5.5 小结
  • 结论
  • 参考文献
  • 致谢
  • 附录 A(攻读硕士期间所发表的学术论文)
  • 附录 B(攻读硕士期间参与的项目列表)
  • 相关论文文献

    • [1].运动捕获技术在3D计算机动画制作中的应用[J]. 计算机产品与流通 2020(04)
    • [2].人体运动捕获数据压缩技术研究进展[J]. 计算机辅助设计与图形学学报 2016(07)
    • [3].一种基于索引空间的三维运动捕获数据检索方法[J]. 计算机应用与软件 2017(04)
    • [4].基于运动捕获数据的人体运动融合[J]. 科学技术与工程 2011(12)
    • [5].基于隐空间的运动捕获数据自动分割[J]. 计算机应用研究 2011(08)
    • [6].分段式低秩逼近的运动捕获数据去噪方法[J]. 计算机科学 2013(09)
    • [7].基于运动捕获文件的人体微多普勒信号仿真[J]. 计算机应用研究 2012(07)
    • [8].人体运动捕获数据的向量空间建模与检索[J]. 计算机辅助设计与图形学学报 2011(08)
    • [9].一种结合双特征的运动捕获数据行为分割方法[J]. 计算机科学 2013(08)
    • [10].一种运动捕获数据重用方法[J]. 小型微型计算机系统 2012(11)
    • [11].运动捕获技术在3D计算机动画制作中的应用[J]. 自动化与仪器仪表 2017(12)
    • [12].运动捕获技术在电力安全仿真培训中的应用[J]. 信息技术 2019(07)
    • [13].一种用于人体运动捕获的自适应混合滤波融合算法[J]. 工程科学与技术 2017(05)
    • [14].基于关节联动特征的运动捕获数据分割方法[J]. 系统仿真学报 2014(11)
    • [15].基于视觉运动捕获数据的三维模型驱动方法[J]. 中国体视学与图像分析 2009(02)
    • [16].重建误差最优化的运动捕获数据关键帧提取[J]. 计算机辅助设计与图形学学报 2010(04)
    • [17].基于谱聚类的运动捕获数据分割[J]. 计算机辅助设计与图形学学报 2016(08)
    • [18].基于极大间隔最近邻学习的运动捕获数据检索[J]. 计算机应用与软件 2013(11)
    • [19].一种新的运动捕获数据转换方法[J]. 计算机工程 2012(02)
    • [20].基于混合遗传算法的人体运动捕获数据关键帧提取[J]. 模式识别与人工智能 2011(05)
    • [21].基于运动捕获的飞机管路虚拟装配仿真技术研究[J]. 航空制造技术 2015(Z2)
    • [22].基于人体运动分析的仿人机器人动作规划研究[J]. 广东石油化工学院学报 2014(06)
    • [23].基于集成多示例学习决策树分析的三维运动检索[J]. 计算机研究与发展 2008(S1)
    • [24].基于PGA的人体运动捕获数据分割方法[J]. 计算机工程与应用 2016(10)
    • [25].基于量子粒子群优化算法的运动捕获数据关键帧提取[J]. 计算机应用研究 2014(08)
    • [26].一种无标记的身体与面部运动同步捕获方法[J]. 软件学报 2019(10)
    • [27].融合生成模型和判别模型的双层RBM运动捕获数据语义识别算法[J]. 计算机辅助设计与图形学学报 2017(04)
    • [28].预选策略和重建误差优化的运动捕获数据关键帧提取[J]. 计算机辅助设计与图形学学报 2012(11)
    • [29].结合金字塔模型和随机森林的运动捕获序列语义标注[J]. 华侨大学学报(自然科学版) 2017(06)
    • [30].基于MEMS传感器和Unity3D的人体运动捕获系统[J]. 图学学报 2015(02)

    标签:;  ;  ;  ;  ;  

    基于多摄像机人体运动跟踪方法研究与实现
    下载Doc文档

    猜你喜欢