论文题目: 单目视频人体运动跟踪和获取技术研究
论文类型: 博士论文
论文专业: 计算机应用技术
作者: 陈坚
导师: 吴恩华
关键词: 单目视频序列,人体运动跟踪,人体模型,运动模型,人体运动获取,三维重建
文献来源: 中国科学院研究生院（软件研究所）
发表年度: 2005
论文摘要: 视频人体运动分析是计算机视觉和计算机图形学相互融合的一个重要研究方向,其研究核心是从单个或多个视频序列中检测、跟踪人体,获取人体运动数据,重建人体的三维运动或描述和理解人体运动。视频人体运动分析的研究在人体动画、游戏、虚拟现实和增强现实、人机交互、视频监控、体育运动分析、辅助临床医疗诊断等领域均有着广阔的应用前景。 本文专注于视频人体运动分析中的运动跟踪和三维运动获取两个关键问题,研究了单目视频中的人体运动跟踪和运动获取方法。本文工作集中于从包含人体运动的单目视频中,跟踪人体的关节运动,估计用关节骨架表示的人体的相对三维运动。本文的研究有望帮助从包括影视、体育等在内的大量视频中得到丰富的人体运动数据,使在虚拟世界中重现人类多姿多彩的活动成为可能。 在充分了解掌握相关研究工作的基础上,针对所研究的问题,本文构造并实现了一个视频人体运动跟踪和获取的原型系统VHMTC(Video Human Motion Tracking and Capture)。本文完成的研究工作及主要贡献包括以下三个方面: ●提出一种适用于二维人体运动跟踪和三维运动估计的人体关节骨架模型。二维人体关节骨架模型,加上从视频帧中获取的外观模型,有效地保证了视频人体运动跟踪过程中模型和图像之间的准确匹配。树状结构的三维人体关节骨架模型,与二维模型有着同样的关节结构,方便了由2D关节点坐标序列估计对应的3D关节点坐标序列的计算。 ●提出一种新的单目视频中无标记的人体运动跟踪方法。通过学习得到的运动模型进行人体运动预测,基于上述的人体骨架模型对应的外观模型进行相似性计算。利用粒子滤波的条件密度传播技术,实现单目视频中的人体运动跟踪。充分利用粒子滤波的非高斯、非线性特性,对人体运动跟踪中的歧义性、复杂背景等有更好的鲁棒性。跟踪过程的每一步都形成并保留多个候选粒子,在发生跟踪失败时能自适应地校正,且能较好地处理遮挡问题。不需要运动捕捉设备获取的运动数据,而是直接从训练视频序列中获取训练数据。不需要进行图像差分、提取人体轮廓等图像处理操作,对背景没有特殊要求,也不需要任何关节标记。 ●提出一种从单目视频中重建人体三维运动的新方法。对于人体自身深度和
论文目录:
摘要
目录
第一章 绪论
1．1 研究背景
1．2 视频人体运动分析的应用
1．3 视频人体运动分析研究所面临的困难
1．4 研究内容和论文组织
1．4．1 本文的研究内容及贡献
1．4．2 本文的组织
第二章 人体运动跟踪和获取研究回顾
2．1 视频人体运动跟踪研究现状
2．1．1 单目视频中的人体运动跟踪研究
2．1．2 多目视频中的人体运动跟踪研究
2．2 视频人体运动获取研究回顾
2．2．1 多摄像机下的人体三维运动获取
2．2．2 单目视频下的人体运动获取
2．3 本文方法特点
2．4 本章小结
第三章 人体模型
3．1 常用的人体模型
3．1．1 二维棍状人体模型
3．1．2 二维轮廓人体模型
3．1．3 二维区域人体模型
3．1．4 三维棍状人体模型
3．1．5 三维几何体人体模型
3．1．6 三维面片人体模型
3．2 本文的人体模型
3．2．1 人体关节骨架模型
3．2．2 人体外观模型
3．3 本章小结
第四章 单目视频中无标记的人体运动跟踪
4．1 引言
4．2 人体运动跟踪概率框架
4．3 粒子滤波
4．4 Condensation算法
4．4．1 因子采样
4．4．2 Condensation算法
4．5 运动模型
4．5．1 常用运动模型
4．5．2 运动模型学习算法
4．6 观测模型
4．7 人体运动跟踪算法
4．7．1 算法总体思路
4．7．2 运动模型的学习
4．7．3 初始化
4．7．4 采样和预测
4．7．5 观测和重采样
4．7．6 完整的人体运动跟踪算法
4．8 实验结果和讨论
4．8．1 实验环境及结果
4．8．2 本文人体运动跟踪方法的优缺点
4．9 本章小结
第五章 人体三维运动的迭代优化估计
5．1 引言
5．2 人体骨架模型的个性化定制
5．3 投影模型
5．4 单帧中的参数估计
5．5 单帧优化
5．6 连续多帧迭代优化
5．7 人体运动序列的三维重建
5．8 单目视频中人体三维运动的迭代优化估计
5．9 系统及实验
5．9．1 视频人体运动获取系统
5．9．2 实验结果及分析
5．10 本章小结
第六章 结论和展望
6．1 本文工作总结
6．2 未来工作展望
参考文献
攻读博士学位期间发表和己接收的论文
致谢
发布时间: 2005-07-08
参考文献
- [1].人体运动跟踪的方法与实验研究[D]. 孙怡.大连理工大学2002
- [2].基于视频的人体运动跟踪技术研究[D]. 刘国翌.中国科学院研究生院（计算技术研究所）2005
- [3].基于概率模型的三维人体运动跟踪研究[D]. 陈睿.中国科学院研究生院（计算技术研究所）2005
- [4].人体关节运动跟踪技术的研究[D]. 于虹.哈尔滨工程大学2008
- [5].基于视频的人体运动跟踪与重构方法研究[D]. 陈姝.中南大学2008
- [6].基于可移动拍摄大场景下的人体运动跟踪关键技术的研究与应用[D]. 刘国军.哈尔滨工业大学2009
- [7].基于多摄像机的人体运动跟踪与分析[D]. 孙洛.清华大学2010
- [8].基于深度图像序列的三维人手运动跟踪技术研究[D]. 李东年.山东大学2015
- [9].一种基于磁场检测的手部运动跟踪系统[D]. 马英红.西安电子科技大学2011
- [10].基于稀疏模型的运动跟踪识别算法[D]. 陈鹏光.华南理工大学2016