基于外观模型的人体下肢关节点定位方法

近年来,人体下肢关节点定位成为了人体运动跟踪与分析中一个重要研究课题。提出了一种下肢关节点自动定位方法,从无关节标记的人体运动图像序列中定位下肢关节点。该方法首先采用背景剪除技术从图像序列中分割人体目标对象,并建立人体下肢骨架模型。然后,利用关节角度预测方法估计膝踝关节点的位置,在基于下肢外观模型的匹配计算基础上获得下肢关节点的真实位置。实验结果表明,该方法简单有效,下肢关节点定位结果令人满意。     

基于Poser模型的三维人体建模方法

人体真实感建模是虚拟人研究领域的一项重要内容。该文提出一种基于模型的快速人体建模方法。人体几何模型的皮肤层由多边形网格组成的表面表示,骨架层建模采用H-Anim标准,并针对Poser软件输出的人体模型缺乏关节点数据问题,给出一种骨架提取算法。人体运动模型应用机器人运动学方法,由骨架层驱动皮肤层实现。在VC++平台上实现对不同姿势下人体模型的骨架提取,仿真了敬礼过程中手臂的运动,验证了该方法的可行性。     

自动匹配虚拟人模型与运动数据

使用运动数据驱动虚拟人模型运动是人体运动仿真的常用方法.通常,运动数据本身定义了适合该运动数据的骨架结构,这要求被其驱动的虚拟人模型也必须有相匹配的骨架定义.提出了一种推迟到运动数据导入时再为模型生成骨架结构的基于语义分析的懒匹配算法(lazy match based on semantic analysis,简称LMSA),该算法先用一组平行平面切分人体模型以生成备选关节点集,并在导入运动数据后对备选关节点集和运动数据的骨架结构进行语义分析,匹配具有相同语义的备选关节点和骨架结构的各关节,使已有的虚拟人几何模型能够直接应用于具有不同骨架结构的人体运动数据.     

基于欧式距离变换的人体2D关节点标定

人体实时定位优化问题,关节点标定是构建人体模型、识别人体动作研究中要解决的一个关键问题。提出了一种欧式距离变换的人体2D关节点提取方法,从无手工干预的人体运动图像序列中自动实时定位关节点。首先采用欧式距离变换对图像序列中的人体目标对象进行细化,建立目标区域为单位像素宽的人体2D骨架模型,利用得到的关节点八邻域像素值情况进行查询,从而提取出对应的人体2D关节点的真实位置坐标。实验结果表明,与已有方法相比,改进方法简单有效,能够从多种不同运动状态的人体图像上提取出准确的人体关节点位置坐标,并具有较高的精度和准确性。     

一种基于轮廓的人体关节位置确定方法

提出了一种基于人体轮廓图像确定人体关节位置的方法.该方法首先利用能量函数从人体轮廓中抽取人体的虚拟骨架,然后利用所定义的标准人体骨架模型中给出的确定人体虚拟骨架中的一个点是否为关节点的三个规则以及人体解剖学的相关知识确定关节的位置.实验结果表明,本文提出的算法是一种行之有效的算法.它无需对图像中的人体在运动和颜色等方面附加限制条件;同时,该方法对人体轮廓图像中的噪声亦有较好的抑制作用.这一特点使得它对人体轮廓提取的精度要求较低,在复杂背景下具有较好的性能.     

步态序列图像中人体下肢关节点的定位

研究人的步态识别优化问题,针对下肢关节点定位成为人体运动跟踪与分析中,存在精度不确切的问题.为解决上述问题,提出步态序列图像处理技术.首先从图像序列中提取人体目标,并建立下肢骨架模型和小腿轮廓模型;利用一种基于传统动态建模的圆周摆算法[1]结合帧序列的连续性以及小腿轮廓数据自动检测膝关节位置和踝关节的粗略位置.通过仿真表明,小腿轮廓模型的匹配计算在踝关节预测点的周围搜索出精确位置,并验证了方法效果很好,为设计提供了依据.     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

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．     

一种采用高斯模型的步态轮廓分割算法

步态识别中大多采用步态轮廓作为识别特征,因此提取完整封闭的运动人体轮廓以准确表达步态特征是正确识别的前提。本文提出一种采用高斯模型的步态轮廓分割算法。在人的运动方向与摄像机成像面平行和摄像机静止的条件下,假设序列图像所有帧中对应像素点背景时刻的灰度值在时间轴上是高斯分布,而目标时刻不满足这种分布,采用统计推断的方法分割出运动目标轮廓。实验结果表明,本文算法不仅能够提取出完整的人体轮廓,并且能有效地去除噪声,对阴影抑制也有一定效果,能够提高步态识别率。算法直接在RGB空间或灰度空间进行,无需进行颜色空间转换,也无需建立单独的背景图像,计算量小,处理实时性高。     

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。     

运动捕捉数据在Jack平台上的重定向技术研究

提出了一种BVH格式运动捕捉数据驱动Jack三维骨架模型产生人体运动效果的方法。将Peabody结构的Jack虚拟人模型简化成能够映射BVH数据的树状骨骼结构,使用欧拉角旋转方程建立运动捕捉数据与Jack角色模型的关节数据映射公式,最后在Jack平台上用Python等脚语言进行了编程实现。为在Jack平台中大规模重用运动捕捉数据提供了条件。     

融合阈值分割和注意力网络的建筑阴影检测

针对高分辨率高层建筑物遥感影像噪声干扰大、阴影检测困难的问题,本文提出了一种改进阈值分割和注意力残差网络结合的高层建筑物遥感影像阴影检测方法.首先,利用改进最大类间和最小类内阈值分割算法建立阈值分割模型,并基于轮廓间的连通域特性和端点位置约束关系利用欧几里得度量算法对断裂轮廓进行修补得到阴影轮廓;然后,利用生成对抗网络模型对误判数据集进行扩充;最后,对残差网络进行改进,在特征图中加入注意力机制进行全局特征融合.在不同场景下,分别与辐射模型、直方图阈值分割、彩色模型阴影检测方法,支持向量机、视觉几何群网络、Inception和残差网络分类网络进行了对比实验,本文方法综合误判率和漏检率分别为2.1%、1.5%.结果表明,本文提出的高层建筑遥感阴影检测算法能较好地完成阴影区域的分割和检测,有利于节约人力物力资源、协助工作人员进行遥感信息的解译、遥感档案建立等工作,具有实用价值.     

基于主动轮廓模型的交通场景运动目标提取算法

在交通监控中,从复杂的交通场景中精确地分割出运动目标是至关重要的。目前,经典的运动目标检测算法有背景差法和帧差法。当场景中存在阴影时,这两种方法都不能够精确地提取运动目标。提出了一种基于主动轮廓模型的运动目标提取算法。通过阴影检测,从运动目标中获得消除阴影的初始轮廓,然后通过主动轮廓模型逼近运动目标真实轮廓。实验表明,该算法既可以消除阴影和噪声的影响,又可以保持运动目标完整。     

一种可编辑的三维人体蒙皮网格动画合成方法*

为了使虚拟人情感表达更加逼真,提出了一种可编辑的三维人体动画合成方法。首先建立了三维网格和人体骨架之间的蒙皮关系,构造了关节运动角度的参数模型;然后,对三维人体骨架进行操作,利用线性混合蒙皮算法,驱动虚拟人体的运动。在Visual C++平台上实现了在特定情感状态下的肢体动画,验证了该方法的有效性。     

基于时空权重姿态运动特征的人体骨架行为识别研究

人体行为识别在视觉领域的广泛应用使得它在过去的几十年里一直都是备受关注的研究热点.近些年来,深度传感器的普及以及基于深度图像实时骨架估测算法的提出,使得基于骨架序列的人体行为识别研究越来越吸引人们的注意.已有的研究工作大部分提取帧内骨架不同关节点的空间域信息和帧间骨架关节点的时间域信息来表征行为序列,但没有考虑到不同关节点和姿态对判定行为类别所起作用是不同的.因此本文提出了一种基于时空权重姿态运动特征的行为识别方法,采用双线性分类器迭代计算得到关节点和静止姿态相对于该类别动作的权重,确定那些信息量大的关节点和姿态;同时,为了对行为特征进行更好的时序分析,本文引入了动态时间规整和傅里叶时间金字塔算法进行时序建模,最后采用支持向量机完成行为分类.在多个数据集上的实验结果表明,该方法与其它一些方法相比,表现出了相当大的竞争力,甚至更好的识别效果.     

复杂环境下的运动人体骨架提取算法*

针对复杂环境下运动人体难以检测及由人体运动自身的复杂性而引起的骨架提取难的问题,提出了一种复杂环境下视频序列中的运动人体骨架提取算法。算法首先利用区域背景建模获取复杂环境下的背景图像,利用最大色差分量结合自适应阈值分割运动人体;然后根据人体测量数据对人体骨架建模,最后利用Kalman滤波跟踪人体关节点,连接关节点生成运动人体骨架。实验结果表明,该算法能准确地提取复杂环境下视频序列中的运动人体骨架,具有低关节位置误差率。     

基于改进C-V模型的步态轮廓提取方法

为从步态图像视频序列中提取运动人体轮廓,提出一种新的分割算法。结合背景减除法和对称帧差法初步提取运动人体区域,采用形态学方法消除噪声和阴影,提取较完整的人体轮廓,将此轮廓作为改进C-V模型的初始零水平集,通过少量迭代达到细化人体轮廓的目的。在NLPR步态数据库上的实验表明,该方法能提取完整、精确的运动人体轮廓,消除了大量阴影,具有良好抗噪性且时间复杂度低、识别率高。     

基于凸壳与有向包围盒的骨架提取方法

为获取三维模型的几何及拓扑信息,提出一种基于凸壳与有向包围盒(OBB)的线性骨架提取方法.首先将三维网格模型进行分割生成多个子网格模型;然后对各子网格中的点集求取凸壳作为该子网格点集的近似,由凸壳顶点的形心构成原始骨架点;再用OBB进行重叠计算求出相交点集,以生成关节骨架点;最后对原始骨架点与关节骨架点进行连接,经冗余检测后形成完整骨架.实验结果表明,该方法快速、有效,提取出的骨架能保证连通性与中心性且能很好地提取关节骨架点,为蒙皮关节动画、模型形状分析等提供有效信息.     

自适应采样与融合的增强现实阴影生成算法

针对现有增强现实(AR)应用中阴影生成算法绘制软阴影的真实性不足,提出一种自适应采样与背景融合的阴影生成算法。首先结合考虑遮挡的平面阴影算法计算虚拟对象投影阴影的空间位置分布;其次,改进膨胀腐蚀算法中软阴影的生成过程,提出一种依据近似点光源的形状类型进行自适应采样,从而获取假想点光源集合的软阴影绘制方法;最后,针对基于膨胀腐蚀算法使用阴影灰度图方法造成阴影的颜色被限制在单通道上,提出基于多通道与背景融合的方法。实验结果表明所提算法计算软阴影的颜色更加合理,软阴影的绘制方法更为有效,提高了阴影生成算法绘制软阴影的真实性。     

神经网络方法应用于轮廓定位

关于从图像中定位物体轮廓的问题,目前所采用的活动轮廓模型和基于自组织神经网络的算法,存在能量泛函优化容易陷入局部极值和演化过程依赖于初始轮廓的选取等问题。提出了一种基于RBF神经网络的轮廓定位算法。首先,通过自适应梯度阈值方法来获取图像特征点。然后,通过特征点的聚类建立一组基函数,把图像像素点的像素值和梯度构造输入向量空间,在网络权值训练完成后,利用网络的预测功能来准确判断物体轮廓。与传统算法相比,仿真结果表明提出的轮廓定位算法可以高效地实现目标轮廓定位。