适用于单目视频的无标记三维人体运动跟踪

在无标记人体运动跟踪过程中,由于被跟踪目标缺乏明显的特征以及背景复杂而使得跟踪到的人体运动姿态与真实值偏差较大,不能进行长序列视频跟踪.针对这一现象,提出一种基于形变外观模板匹配进行单目视频的三维人体运动跟踪算法,其中所用的人体外观模型由三维人体骨骼模型及二维纸板模型组成.首先根据人体骨骼比例约束采用逆运动学计算出关节旋转欧拉角;然后利用正向运动学求得纸板模型中像素在三维空间中的坐标,将这些像素根据摄像机成像模型投影到二维图像中得到形变外观模板;最后采用直方图匹配得到人体运动跟踪结果.实验结果表明,该算法对于一些复杂的长序列人体运动能够得到较为理想的跟踪结果,可应用于人机交互和动画制作等领域.     

人体运动目标跟踪的滞后性问题研究

研究人体运动目标跟踪问题,由于图像目标跟踪实时性差,在摄像机与被跟踪物体同时运动的情况下,被跟踪人体走路速度过快,两者速度不匹配时,运动的人体存在着被跟踪的滞后性问题.为解决上述问题,提出了一种改进的粒子跟踪方法.在人体跟踪的过程中,可以根据实际跟踪情况在线减少粒子的数目,进而减少运算时间,使得算法的运算速度可以根据被跟踪人体的运动速度实时调节,形成速度最佳匹配.仿真表明,改进的算法很好地解决了被跟踪运动目标的滞后性的问题,跟踪效果明显改善.     

基于单目视频运动跟踪的三维人体动画

针对传统人体动画制作成本高、人体运动受捕获设备限制等缺陷,提出了一种基于单目视频运动跟踪的三维人体动画方法。首先给出了系统实现框架,然后采用比例正交投影模型及人体骨架模型来恢复关节的三维坐标,关节的旋转欧拉角由逆运动学计算得到,最后采用H-anim标准对人体建模,由关节欧拉角驱动虚拟人产生三维人体动画。实验结果表明,该系统能够对人体运动进行准确的跟踪和三维重建,可应用于人体动画制作领域。     

基于改进粒子滤波算法的人体运动跟踪

在复杂环境中对人体进行有效性和鲁棒性的跟踪是计算机视觉领域一个非常富有挑战性的课题,提出了一种基于改进粒子滤波算法实现的人体运动跟踪。利用改进的粒子滤波算法跟踪视频序列中的人体运动,不但解决了传统粒子滤波算法计算量大、误码多的缺点,而且能较好地处理遮挡和自遮挡问题。实验结果表明,该改进算法能更准确、更有效地跟踪运动人体。     

基于无标记点运动跟踪的步态参数提取

提出一种无标记点的步态参数提取方法,采用基于模型的人体运动跟踪方法,无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程,通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明,该方法能精确定位腿部关节点且有效地提取步态参数。     

自适应粒子滤波在人体跟踪过程中的应用

人体运动跟踪技术近年来在图像处理与计算机视觉领域引起很多关注,在当前一些重要研究和应用领域有着广泛的需求。在以往跟踪方法的基础上提出了基于决策规则的自适应粒子滤波的无标记运动目标跟踪方法。利用一个带外观模板的人体关节模型,通过学习得到运动模型及基于关节模型的相似性计算,巧妙地利用自适应粒子滤波对运动目标进行实时跟踪,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数。实验表明,提出的算法鲁棒性好,跟踪速度比基于传统粒子滤波的快。     

基于局部先验模型的单目视频人体运动跟踪

在基于模型的单目视频人体运动跟踪中,视频图像信息往往不足以恢复人体姿态,通常需要加入对姿态的先验约束才能得到合理的解.为了有效地刻画人体运动过程的时变动态特征,提出局部先验模型,其中包括局部动态过程和局部姿态分布密度,通过在样本空间中检索出相似姿态的集合,并利用该集合学习模型参数来比较精确地刻画人体的运动规律.实验结果表明,与全局动态模型相比,局部先验模型有效地克服了肢体自遮挡和肢体混淆等问题,取得了更好的跟踪结果.     

基于无标记点运动跟踪的步态参数提取*

〖提出一种无标记点的步态参数提取方法,采用基于模型的人体运动跟踪方法,无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程,通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明,该方法能精确定位腿部关节点且有效地提取步态参数。     

基于视频的三维人体运动跟踪系统的设计与实现

在优化粒子滤波跟踪框架下,设计并实现了一个结合多种图像特征、在多摄像机环境下跟踪人体运动的三维人体运动跟踪系统.通过定义三维人体模型、摄像机模型以及观测似然模型,得到跟踪所需目标函数,并使用优化粒子滤波算法进行求解.实验结果表明,该系统能够对人体运动进行准确的跟踪和三维重建,可应用于体育运动分析和动画制作等领域.     

基于视频的三维人体运动跟踪

提出一种结合多种图像特征,在多摄像机环境下跟踪人体运动的方法．通过定义人体模型、摄像机投影模型以及相似性度量模型来得到优化框架下的目标函数,并使用牛顿-高斯优化算法对其进行求解．模拟数据和实际数据的实验表明,文中方法比仅仅使用灰度特征,跟踪结果得到了改善,对比实验结果也优于基于概率算法的退火粒子滤波．     

单目视频中人体三维运动的迭代优化估计

提出并实现了一种从单目视频流中重建人体三维运动的方法．该方法通过交互定制得到个性化的人体骨架模型和视频序列每一帧中人体各关节点的二维坐标后,分别针对单帧和连续多帧进行优化并迭代求解,得到每一帧的比例因子的最优解;最后反求各关节点的三维坐标,重建人体三维运动序列．对包含复杂和快速多变的人体运动的视频进行的实验表明,该方法简单有效,适用于包括体育、影视等在内的实际视频源．     

Shape-From-Silhouette Across Time Part II: Applications to Human Modeling and Markerless Motion Tracking

In Part I of this paper we developed the theory and algorithms for performing Shape-From-Silhouette (SFS) across time. In this second part, we show how our temporal SFS algorithms can be used in the applications of human modeling and markerless motion tracking. First we build a system to acquire human kinematic models consisting of precise shape (constructed using the temporal SFS algorithm for rigid objects), joint locations, and body part segmentation (estimated using the temporal SFS algorithm for articulated objects). Once the kinematic models have been built, we show how they can be used to track the motion of the person in new video sequences. This marker-less tracking algorithm is based on the Visual Hull alignment algorithm used in both temporal SFS algorithms and utilizes both geometric (silhouette) and photometric (color) information.Electronic supplementary material Electronic supplementary material is available for this article at and accessible for authorised users.     

结合部件分割和粒子滤波的3D人体运动跟踪

尽管随机采样降低了陷入局部极值的风险,但不能保证收敛到全局最优.为此提出了一个将人体部件分割算法嵌入到粒子滤波框架的人体运动跟踪系统.首先使用Condensation算法传播并评估粒子,然后利用基于期望最大化的部件分割算法迭代更新粒子.在迭代过程中,从采样粒子推导的姿态用于部件分割,分割结果用于确定粒子分布,使粒子逐渐接近高似然区域,从而提高找到全局最优的概率并降低采样粒子数.在HumanEva-Ⅱ数据库上的测试结果表明了文中系统的有效性,且对比实验结果也优于Condensation算法和退火粒子滤波.     

基于语义模型的人运动图像跟踪

计算机视觉研究中，为了实施对人运动图像的跟踪，本文提出了基于变化区域的对象刚体标注法和语义模型跟踪法，通过对标注的刚体特征点在空间位移的估算，结合特征点在水平面上投影所形成的特征码来构成刚体的运动语义数学模型，从语义模型来计算特征点的运动位置，从而实现对人运动的跟踪，对于人的复杂运动描述也具有参考价值。     

一种鲁棒高精度的人脸三维运动跟踪算法

提出了一种在粒子滤波框架下的结合在线外观模型(online appearance model, OAM)和柱状人头模型(cylinder head model, CHM)的人脸三维运动跟踪方案,具体包括：1)融合多种观测信息来降低OAM的光照敏感性和个体相关性;2)针对OAM适合跟踪局部运动但在大姿态下会跟踪失败的问题,将OAM与适合于大姿态下全局运动跟踪的CHM结合起来,在当前帧将CHM匹配得到的全局运动参数作为OAM匹配的初始值,将OAM匹配得到的人脸运动参数作为下一帧CHM匹配的初始值;3)基于局部优化和改进重采样来改进粒子运动滤波策略.实验表明：该系统在大姿态、表情剧烈变化、遮挡和强光照下能得到较好的跟踪效果,且OAM+CHM的跟踪正确率高于OAM的24%,OAM+CHM的姿态跟踪范围大于OAM的11%.主观实验表明：由跟踪得到的人脸运动参数合成的虚拟人脸具有较高的辨识度.