一种快速人体骨架建模方法

提出从序列视频中快速建立人体骨架模型的方法。基于阴影特征采用Otsu算法完成运动目标检测中的阴影消除,得到准确的人体轮廓;对人体轮廓进行形态学的细化处理,采用新建立连通性结构标准和肢体关节点定位算法处理骨架建立人体骨架模型。实验结果表明,该方法对人体肢体部位各端点定位获得较高的准确率,能快速定位关节点,较好地得到人体骨架模型。     

一种基于视频的人体动画骨架提取技术

人体动画是计算机动画中最具有挑战性的领域．针对传统人体动画技术的不足,提出了一种新技术来提取视频中的人体骨架,以应用于人体动画．对于任何视频流,该方法都能在图像序列中跟踪人体特征骨架,并建立了透视投影下的三维人体运动骨架序列,最终通过自动注释运动信息建立了可供动画师浏览、查询的运动信息库．这种方法具有素材来源丰富、计算量少、制作高效等特点,而且产生了人体运动非常真实,同时也将动画师从枯燥的工作中解     

基于骨架跟踪的动作捕捉重建方法研究

在光学动作捕捉中最常见的问题是因遮挡而产生的标记点丢失,这需要大量后处理工作来恢复缺失标记,甚至直接导致后期重建失败.针对这一问题,本文提出一种基于骨架跟踪的动作还原方法.该方法在三维重建和跟踪过程中,通过校准、三维标记重建、骨架初始化和全局拟合等步骤来预判标记的位置,并使用人体骨架模型来协助完成三维重建.实验结果证明...     

粒子群优化人体星形骨架特征矢量量化

实现了人体星形骨架特征提取,并利用粒子群优化骨架特征矢量的量化。星形骨架通过连接人体质心点到人体四肢及头部端点实现,是一种快速骨架提取技术。把质心点和端点连接,人体星型骨架可以用一个五维矢量Si表示,Si∈Rn,Rn是星型骨架特征空间。时序图像中的人体动作可以用星型骨架序列表示的特征矢量序列S代替。最后用粒子群优化S的特征量化过程,生成特征码本G。     

一种基于三维骨架化的人体姿势估计方法

提出了一种基于三维2 步子迭代混合细化算法和启发式搜索的无标记三维人体姿势估计方法.其主要思想是首先通过一种新的2 步子迭代混合细化算法,对由Shape-from-Silhouette(SFS)算法从多幅二维图像中重建出的人体三维模型进行骨架化,然后通过一种启发式的方法进行模型匹配.实验结果表明,该方法不仅思想简单,而且具有较好的鲁棒性,能够很好的去除各种噪声的影响.     

基于人体特征三维人体模型的骨架提取算法

实现骨骼动画的一个前提是获取人体模型的骨架,现有的骨架提取算法不是计算复杂度高,就是提取准确度不高,或者需要手工干预.提出一种基于人体特点和黄金比例律的人体模型骨架提取算法,首先对模型进行精简,然后根据人体的特点与黄金比例律确定模型关节点的大概位置,在此基础上对模型进行分割.由于人体存在个体差异且姿势也可能不一致,采用测地距离方法对关节点的位置进行修正,确定其位置.与现有的算法相比,本方法效率高,同时实验显示本算法具有更好的骨架提取效果.     

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.     

基于三角形骨架坐标的图象渐变算法

为快速进行不规则多边形区域内的数字图象渐变处理,提出了一种基于三角形骨架坐标的图象渐变算法,即先将图象区域分割为若干个三角形区域,再逐个对这些三角形区域建立象素点的骨架坐标,这样三角形骨架外壳的改变就会带动其内部图象的渐变,并根据骨架坐标变换,推导三角形区域内象素点坐标随外壳三角形顶点改变的计算公式,进而建立了骨架外壳改变后的新象素点与原始象素点间的颜色对应关系。利用该不规则多边形区域内的图象渐变算法,可解决运动模拟等常见图象的变形问题。     

基于视频的人体动画

现有的基于运动捕获的动画普遍存在投资大，人体的运动受到捕获设备限制等缺陷。提出了新的基于视频的人体动画技术，首先从视频中捕获人体运动，然后将编辑处理后的运动重定向到动画角色，产生满足动画师要求的动画片段。对其中的运动捕获、运动编辑和运动重定向等关键技术进行了深入研究，并基于这些关键技术开发了一个基于双像机的视频动画系统（VBHA），系统运行结果表明了从来源广、成本低的视频中捕获运动，并经过运动编辑和运动重定向后生成逼真动画的可行性。     

骨架驱动的三维鱼快速建模与运动的实现

针对不同种类鱼建模工作量大以及复杂运动实现难的问题,提出一种三维鱼快速建模与运动的实现方法.首先,根据鱼的形状,手动设计鱼骨架和鱼厚轮廓曲线,把鱼厚轮廓曲线映射到鱼骨架上,对其插值求得全部控制点,通过鱼模型与骨架的统一关联方法快速建立初始鱼模型,对其细化后建立最终鱼模型:然后,根据骨骼动画技术原理,设计鱼身、鱼尾顶点与骨骼的权值绑定算法,使骨架带动鱼运动,并通过控制点实现鳃盖、鱼鳍的细微运动.实验表明,本文方法不仅能建立多种鱼模型,还能有效的控制鱼身、鱼尾、鱼鳍的摆动角度和摆动速度,实现鱼的复杂运动.     

基于人体骨架特征编码的健身动作识别方法

健身动作识别是智能健身系统的核心环节.为了提高健身动作识别算法的精度和速度,并减少健身动作中人体整体位移对识别结果的影响,提出了一种基于人体骨架特征编码的健身动作识别方法.该方法包括三个步骤:首先,构建精简的人体骨架模型,并利用人体姿态估计技术提取骨架模型中各关节点的坐标信息;其次,利用人体中心投影法提取动作特征区域以...     

基于RGB-D序列的人体动态建模方法

人体建模是计算机视觉研究领域的重要研究课题。人体建模被广泛应用于科研、动画、游戏、服装设计、工业等领域,具有非常广阔的应用前景。传统的建模方法可以在大体上还原人体的姿态,但细节上会有偏差。本文提出一种基于RGB—D序列的人体动态建模方法。人体在场景中自然活动,利用廉价的深度摄像设备Kinect可以获取人体的骨架信息和三维点云。利用获得的骨架信息将模板人体分段刚性地变形到目标位置,使用ICP算法将变形后的模型与Kinect获取的点云进行更精确的配准,使用TPS变形获得一个平滑的柔性形变人体。     

人体运动捕捉及运动控制的研究

在论述了几种方式的人体运动捕捉的基础上,介绍了光学运动捕捉的关键技术,包括摄像机标定、标记点跟踪和三维重建技术。无标记点的运动捕捉是新兴的技术,它将捕获的图像进行分割并分析,然后用多种约束算法进行三维重建。基于运动捕捉的人体运动控制相关文献很少,文中列举了现有各种应用运动捕捉数据的方式,包括基于关键帧、运动学和物理模型等的应用。论文对运动捕捉及运动控制技术进行了总结,可为此领域的研究提供有用的信息。     

基于人体骨架的非标准深蹲姿势检测方法

针对健身者在健身过程中因缺乏监督指导而导致姿势不正确甚至危及健康的问题，提出了一种深蹲姿势实时检测的新方法。通过Kinect摄像头提取人体关节三维信息，对健身中最常见的深蹲行为进行抽象与建模，解决了计算机视觉技术对于细微动作变化难以检测的问题。首先，通过Kinect摄像头捕获深度图像，实时获取人体关节点的三维坐标；然后，将深蹲姿势抽象为躯干角度、髋部角度、膝部角度和踝部角度，并进行数字化建模，逐帧记录下角度变化；最后，在深蹲完成后，采用阈值比较的方法，计算一定时间段内非标准帧比率。如计算比率大于所给定阈值，则判定此次深蹲为不标准；如低于阈值则为标准深蹲姿势。通过对六种不同类型的深蹲姿势进行实验，结果表明，该方法可检测出不同类型的非标准深蹲姿势，并且在六种不同类型的深蹲姿势中平均识别率在90%以上，能够对健身者起到提醒指导的作用。     

人体运动数据重构方法进展

运动捕捉系统产生的人体运动数据是标记点在运动序列中的位置数据,用于驱动人体模型产生真实感的动画。在对近几年有关人体运动数据重构的文献进行综合和分析的基础上,首先对人体运动数据重构进行了问题描述,并对人体运动数据在重构过程中难以避免的噪声问题和特征点(虚拟空间中的标记点)缺失问题的研究分别进行了总结和分析;然后对人体运动数据获取的光学式原型捕捉系统开发的研究进行了讨论,评述了人体运动数据驱动人体几何模型的相关研究;最后对未来研究提出了一些展望。     

运动图像序列的人体三维运动骨架重建

在计算机视觉领域 ,人体运动分析的研究具有相当广泛的应用前景 .由于人体运动的复杂性 ,已有的研究方法都对研究对象——人体 ,加上了许多限制条件 .文中提出了一种新的方法来获得各类人体运动的信息 .文中主要论述了该方法中对人体三维运动骨架的重建部分 ,其基本思想是在摄像机定标的基础上 ,应用三维人体模型知识和运动连续性依次建立每个图像的人体运动骨架 .最后给出了实验结果     

基于可靠性评估的人体骨架重建方法的研究

针对Kinect在跟踪有遮挡或噪声的人体骨架时会出现严重视觉误差的问题,提出一种基于可靠性评估的骨架重建新方法。首先设计一套测量方法,客观评估身体各个部分的可靠性程度,然后在数据库中查询并获得一组相似的姿势,结合主成分分析法构造一个自然姿势空间,最后合成自然的姿势。实验结果表明,与原始设备相比,该方法能够有效重建遮挡环境下质量低下的骨架,识别精度提高了17%至35%。     

人体骨架模型的建立

人体运动分析在计算机视觉研究领域中具有广泛的应用前景。人体骨架包含了很多的人体运动信息,且简单明了,所以对人体骨架提取具有很重要的意义。本文提出了一种人体骨架模型的建立方法,该方法在骨架提取方面有较强的去噪和抗干扰能力,有很好的鲁棒性,可提取更加有效的骨架图像,进一步结合人体解剖学的基础,建立了人体骨架模型,为人体特征识别(HID)和运动人体的实时追踪打下了坚实的基础。     

基于B—Snake的三维图像骨架化方法

3D图像数据由于其本身的复杂性,对其进行骨架化一直是3D图像处理中的一个难点问题.文中提出了一种B-Snake骨架化算法及B-Snake能量最小化求解法,同时讨论一种骨架化算法的评价方法.B-Snake骨架化算法获取的骨架其连通性和光滑性隐含于B-Spline表达式中,而且在中心性及抗噪声性等方面也明显优于离散Snake算法.对模拟的测试数据和实际三维重建的植物根系图像进行了实验,结果都表明了文中提出的算法的有效性.