有标记点的人体三维运动数据获取方法的研究

论文摘要

人体三维运动数据获取技术（HMC, Human Motion Capture）,在动画制作,电影特技,电脑游戏,视频监控,虚拟现实,智能人机交互,临床康复医疗,机器人动作设计,体育辅助训练等领域都有着广泛的应用,而近年来更是成为计算机视觉领域最为活跃的研究课题之一。本文提出了一种基于有标记点跟踪的人体三维运动数据获取方法。此方法主要解决了基于视频人体运动分析问题中的运动跟踪和三维运动数据获取两个关键问题,研究了单目视频中的有标记人体关节点运动跟踪问题,并结合摄像机标定以及人体结构约束完成了三维还原的工作。首先实现了基于经典小孔成像模型的单目摄相机内外参数的标定。本文接着详细阐述了粒子滤波的基本原理,实现一种基于加权颜色直方图的粒子滤波跟踪算法,并将其应用于有标记点的人体关节点二维运动数据获取系统中。本文跟踪算法的匹配特征采用“关节点+区域颜色”为特点,具有跟踪实现简单,特征匹配准确的优点。在获得了人体关节点二维数据后本文具体讲述了一种基于人体结构约束的三维运动数据获取方法的实现以及理论推导过程。最后对所提出的方法进行了误差分析,说明了本文提出的方法可以定量的分析人体三维运动,并可以为其他无标记点的三维重构系统提供比对标准。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 研究现状
• 1.3 基于视频的人体三维运动数据获取方法
• 1.3.1 摄像机标定
• 1.3.2 人体关节点跟踪
• 1.3.3 人体关节点三维投影与逆运算
• 1.3.4 人体三维重构
• 1.4 课题研究的主要内容
• 1.5 本文的组织结构
• 第2章 摄像机标定方法
• 2.1 摄像机标定分类
• 2.2 摄像机成像模型
• 2.2.1 小孔成像模型
• 2.3 常用坐标系及其关系
• 2.3.1 三个层次的坐标系统
• 2.3.2 坐标系变换关系
• 2.4 摄像机镜头的畸变
• 2.5 摄像机标定方法实现
• 2.5.1 内参数矩阵
• 2.5.2 外参数矩阵
• 2.6 本章小结
• 第3章 基于标记点的人体关节点跟踪方法
• 3.1 引言
• 3.2 粒子滤波基本原理
• 3.2.1 贝叶斯滤波原理
• 3.2.2 粒子滤波器
• 3.3 目标特征模型
• 3.3.1 特征提取方法
• 3.3.2 色彩空间
• 3.3.3 目标初始特征模型
• 3.3.4 目标区域候选模型
• 3.3.5 目标模型匹配
• 3.4 目标运动模型
• 3.5 算法实现
• 3.5.1 算法实现流程
• 3.5.2 实验结果
• 3.6 本章小结
• 第4章 基于人体结构约束的三维运动数据获取方法
• 4.1 引言
• 4.2 人体模型
• 4.2.1 常用人体模型
• 4.2.2 本文人体模型
• 4.3 三维数据运算方法
• 4.4 本章小结
• 第5章 误差实验数据分析
• 5.1 实验系统构成
• 5.2 跟踪误差实验结果分析
• 5.3 还原误差实验结果分析
• 5.4 本章小结
• 结论
• 参考文献
• 致谢