基于深度扫描仪的高辨识度三维人体模型重建方法

3D 照相打印馆人像的打印质量取决于3D 扫描获得的三维人体模型的辨识度。然 而,由于现有3D 人体扫描仪价格昂贵、操作复杂等原因,使得3D 人像打印成本高、耗时长和 打印精度较低。针对这些缺点提出一种基于深度扫描仪重建高辨识度三维人体模型方法。利用 多组深度扫描仪分工协作、优势互补,分别获取高辨识度的人体面部五官点云数据,上半身与 全身表面轮廓点云数据。然后,通过引入特征点和改进的最近点迭代法将采集到的三组点云数 据进行对齐、替换、拼接,将拼接后的无拓扑关系的点云数据进行曲面重构即可获得高辨识度 的三维人体模型。该方法的扫描时间较短,以较低的成本构建了具有高辨识度的三维人像模型。     

三维全身扫描仪的建模仿真

随着计算机全面进入3D时代,三维全身扫描系统对社会的价值越来越显著,获取人体表面的三维几何信息,是建立3D人体模型的先决条件。该文提出了一种基于结构光方法的三维全身扫描仪的系统仿真方案,使用3D Studio MAX软件仿真得到虚拟扫描头运动形成的带激光条纹的图像序列,最后用仿真数据进行三维重建。关键步骤包括用自适应阈值法提取激光带中心,深度图像的获取,以及多扫描头数据的融合等。实验取得了满意的效果,获得了人体的完整轮廓线,验证了系统仿真方案的合理性与高效性。     

基于混合跟踪模型的室内步行人体3D运动估计

针对步行人体3D运动估计过程中的自遮挡问题, 提出了基于混合跟踪模型的粒子滤波算法. 首先, 利用自遮挡状态检测模型, 将步行人体运动划分为四种自遮挡状态; 其次, 根据混合跟踪模型, 针对不同的自遮挡状态, 算法采用不同的跟踪模型; 最后, 为了估计遮挡状态下的人体运动, 算法提出了基于M-估计的在线训练方法 以训练肢体运动相关系数. 经过实验分析, 算法对处 于自遮挡状态下的人体3D运动估计有着良好的效果, 人体3D运动的估计精度得到了提高.     

基于深度学习的人体姿态估计方法综述

基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归出人体姿态信息。主要按照2D人体姿态估计到3D人体姿态估计的顺序，并从单人检测与多人检测、稀疏的关节点检测与密集的模型构建等方面，对近年来基于深度学习的人体姿态估计方法进行系统介绍，从而初步了解如何通过深度学习的方法得到人体姿态的各个要素，包括肢体部件的相对朝向和比例尺度、骨骼关节点的位置坐标和连接关系，甚至更为复杂的人体蒙皮模型信息。最后,对当前研究面临的挑战以及未来的热点动向进行概述，清晰地呈现出该领域的发展脉络。     

身材匀称与异性缘

我们—直觉得高大威猛的人似乎更有魅力,不过最近科学家的一项试验似乎推翻了这个看法。据美国《国家地理》杂志报道,英国布鲁内尔大学的教授威廉·布朗和他的小组找来许多男性志愿者,并让他们脱得只剩下内衣,之后让他们进入由24台摄像机构建的人体扫描仪中进行3D光学扫描。此扫描仪可以快速获得这些人体的数百张测量图,从而让科学家建造这些人的3D人体虚拟模型,并测量这些模型的匀称程度。     

ARGP-Pose:基于关键点间关系分析与分组预测的3D人体姿态估计

尽管3D人体姿态估计已经相对成功,但现存方法在复杂场景下的性能依然差强人意。为了提高在无约束场景下3D人体姿态估计的准确性以及鲁棒性,提出了ARGP-Pose,一种基于探索关键点间关系的单目视频3D人体姿态估计框架。该框架包含一种关键点信息预处理方式以及3D姿态估计网络结构。关键点预处理能够强化结构特征,抽取出关键点之间联系信息,并作为网络输入。3D姿态估计网络能够融合各个关键点的局部信息以及整体姿态的全局信息。此外,利用自注意力模块来提取有效时序信息,以进一步提高预测准确度。而对于复杂姿态,采用了分组预测的方式将复杂动作的预测分解为各个点的预测,从而使网络对复杂姿态的估计能力有了明显的提高。在Human3.6M和HumanEva-I这两个著名数据集上的实验结果证明了所提出的方法的优越性。     

基于2—D模型的人体运动跟踪

人体运动跟踪是图像处理和计算机视觉研究的热点问题，它在人机接口、虚拟现实、智能监控、机器人仿真等方面具有广阔应用前景，已引起越来越多学者的关注，为了实现准确的人体运动跟踪，采用了两种基于2－D模型的人体运动跟踪方法：其中，一种方法是以区域面积重合率为区域准则，采用由粗到细的匹配过程，通过建立2－D模型以实现与真实人体运动间的准确匹配；另一种是基于区域特征的2－D模型和人体各个部位的连接关系，通过确定和标记人体的各个部位，最终由2－D模型来重现真实人体的运动过程，同时采用以上两种方法，对实际人体运动进行了跟踪测试，在全身运动的整个过程中能给出较为准确的跟踪结果，表明该方法不仅能抵御噪声和灰度变化的影响，而且能大致估计出被遮挡部位的位置。     

Creaform发布增强版MetraSCAN 3D CMM光学扫描仪系列

2012年5月1日,Creaform公司发布了新一代MetraSCAN 3D CMM光学扫描仪系列。这一业内精度最高的3D扫描仪,可满足高标准的质量检测和逆向工程应用需求。无论在实验室还是在工作车间,MetraSCAN 3D扫描仪均堪称是市面上精度最高的扫描解决方案。     

基于RGB-D图像弱监督学习的3D人体姿态估计

针对于深度图数据缺乏大量的3D标签、泛化能力差的问题,结合现有的弱监督网络结构,提出一种基于RGB-D图像的弱监督模型实现3 D人体姿态估计的方法,整体呈现两级级联结构.首先通过使用预处理后的RGB-D数据作为2 D姿态估计模块的输入,提取出人体关节热图;然后将热图进行积分回归生成对应的关节点坐标;最后将生成的关节点作...     

基于卷积神经网络的2D人体姿态估计综述

随着深度学习的快速发展,2D人体姿态估计作为其他计算机视觉任务的研究基础,其检测速度和精度对后续应用落地具有实际意义。对近年来基于卷积神经网络的2D人体姿态估计的方法进行梳理介绍,将现有方法分为人体检测关节点回归融合算法和人体关节点检测聚类算法,同时对当前的主流数据集及其评价准则进行总结,最后对2D人体姿态估计当前所面临的困难以及未来的发展趋势做以阐述,为姿态估计相关研究提供一些参考。     

结合稀疏表示和深度学习的视频中3D人体姿态估计

目的 2D姿态估计的误差是导致3D人体姿态估计产生误差的主要原因,如何在2D误差或噪声干扰下从2D姿态映射到最优、最合理的3D姿态,是提高3D人体姿态估计的关键。本文提出了一种稀疏表示与深度模型联合的3D姿态估计方法,以将3D姿态空间几何先验与时间信息相结合,达到提高3D姿态估计精度的目的。方法 利用融合稀疏表示的3D可变形状模型得到单帧图像可靠的3D初始值。构建多通道长短时记忆MLSTM（multi-channel long short term memory）降噪编/解码器,将获得的单帧3D初始值以时间序列形式输入到其中,利用MLSTM降噪编/解码器学习相邻帧之间人物姿态的时间依赖关系,并施加时间平滑约束,得到最终优化的3D姿态。结果 在Human3.6M数据集上进行了对比实验。对于两种输入数据：数据集给出的2D坐标和通过卷积神经网络获得的2D估计坐标,相比于单帧估计,通过MLSTM降噪编/解码器优化后的视频序列平均重构误差分别下降了12.6%,13%;相比于现有的基于视频的稀疏模型方法,本文方法对视频的平均重构误差下降了6.4%,9.1%。对于2D估计坐标数据,相比于现有的深度模型方法,本文方法对视频的平均重构误差下降了12.8%。结论 本文提出的基于时间信息的MLSTM降噪编/解码器与稀疏模型相结合,有效利用了3D姿态先验知识,视频帧间人物姿态连续变化的时间和空间依赖性,一定程度上提高了单目视频3D姿态估计的精度。     

基于姿态的情感计算综述

情感计算的理论与算法研究是近年来人机交互领域的热点话题.当前,常见的情感计算集中在基于面部表情、语音、文本、人体姿态等方向,既有单一模态的算法,又有多模态的综合算法.基于面部表情和语音模态的算法占据多数,国内外基于人体姿态的算法相对较少.文中针对基于姿态的情感计算所面临的几个关键科学问题展开了综述,包括情感的心理学模型、人体姿态估计算法、姿态的情感特征提取算法、情感分类与标注算法、姿态情感数据集、基于姿态的情感识别算法等.具体来说,首先介绍了几种常用的情感计算心理学模型,评述了各类模型的适用场景;随后从人体检测和姿态估计2个角度对人体姿态估计的常用算法进行了总结,并讨论了2D和3D姿态估计的应用前景.针对特征提取算法,分析了基于全身和上半身身体动作的姿态特征提取算法.在情感标注方面,介绍了表演数据和非表演数据的情感标注算法,并指出了半自动或自动的标注非表演数据将是未来的重要发展趋势之一.针对姿态情感数据集,列举了近年来常见的14个数据集,并主要从是否是表演数据、数据维度、静态或动态姿势、全身或非全身数据等几个方面进行了总结.在基于姿态的情感识别算法方面,主要介绍了基于人工神经网络的情感识别算法,指出了不同算法的优劣之处和适用的数据集类型.文中的综述研究,总结提炼了国内外该领域经典且前沿的工作,希望为相关的研究者提供研究帮助.     

基于人体和场景上下文的多人3D姿态估计

深度歧义是单帧图像多人3D姿态估计面临的重要挑战,提取图像上下文对缓解深度歧义极具潜力.自顶向下方法大多基于人体检测建模关键点关系,人体包围框粒度粗背景噪声占比较大,极易导致关键点偏移或误匹配,还将影响基于人体尺度因子估计绝对深度的可靠性.自底向上的方法直接检出图像中的人体关键点再逐一恢复3D人体姿态.虽然能够显式获取场景上下文,但在相对深度估计方面处于劣势.提出新的双分支网络,自顶向下分支基于关键点区域提议提取人体上下文,自底向上分支基于三维空间提取场景上下文.提出带噪声抑制的人体上下文提取方法,通过建模“关键点区域提议”描述人体目标,建模姿态关联的动态稀疏关键点关系剔除弱连接减少噪声传播.提出从鸟瞰视角提取场景上下文的方法,通过建模图像深度特征并映射鸟瞰平面获得三维空间人体位置布局;设计人体和场景上下文融合网络预测人体绝对深度.在公开数据集MuPoTS-3D和Human3.6M上的实验结果表明:与同类先进模型相比,所提模型HSC-Pose的相对和绝对3D关键点位置精度至少提高2.2%和0.5%;平均根关键点位置误差至少降低4.2 mm.     

基于随机森林误分类处理的3D人体姿态估计

为解决基于随机森林的3D人体姿态估计算法容易出现的误分类问题, 提出一种基于自适应融合特征提取和误分类处理机制的改进算法.该算法利用自适应融合特征提取方法自适应提取深度融合特征, 此特征可表达图像距离信息和部位尺寸信息, 增强特征的表征能力; 针对识别部位误分类问题, 分别从识别部位误分点聚集情况和迭代整合思想出发, 提出误分类处理机制, 改善部位识别结果; 最后提出可进一步处理误分点的改进主方向分析(Principal direction analysis, PDA)算法, 自适应计算出部位主方向向量, 实现3D人体姿态估计.结果表明, 该算法能有效去除部位误分点, 并显著改善了3D人体姿态估计.     

基于照片的人体尺寸信息自动提取技术

针对3D扫描仪成本高,传统手工软尺测量效率低的状况,在保证精度的前提下,尝试应用图像处理理论从满足一定条件的照片提取人体尺寸信息,为建立人体尺寸信息库提供一种信息采集的自动化方法.通过对实验结果的分析,本文验证了此方法的可行性,并提出未来的研究方向.     

三维步态识别研究进展

步态识别在身份识别领域具有重要的研究意义。随着技术的发展,步态识别的研究热点正从二维（2D）转向三维（3D）。与图像固有的2D信息相比,用视觉技术还原的3D信息能更有效地预测人员的身份。在2D视觉领域中,由于受到物体遮挡、视角变化等因素的影响,传统的步态识别方法在实际应用中难以取得理想的识别性能。基于人体3D重建和人体3D姿态估计等3D人体技术,近年来的研究在3D步态识别领域取得了一系列进展。本文介绍了3D步态识别方法,探讨了基于3D步态的身份识别领域的研究现状、优势与不足;总结了主要的3D步态数据集;讨论了3D识别方法与2D识别方法的对比;提出了3D身份识别领域未来潜在的研究方向,包括3D数据集的采集和整理、2D 和 3D 数据的多模态融合等。     

让摄像头变身3D扫描仪

摄像头还能干什么？“玩腻了视频聊天，拍大头照以后．你或许不知道手边的这个小东西还有什么其它玩法。其实我们小看了摄像头．只要加以妙用．它大可摇身一变．成为一台可以进行3D建模的立体（3D）扫描仪。要知道．专业3D扫描仪的价格委实不低。如果你想知道如何DIY？且听我慢慢道来。[编者按]     

神奇的机器3D打印机和3D扫描仪

随着3D打印技术的逐渐普及,3D打印机和3D扫描仪作为行业中十分重要的两类产品也如雨后春笋般地出现在我们的视野中。由北京市计算中心和震旦集团主办的“2016年3D打印科普行动”展示了许多技术成熟的产品,本文将围绕不同的技术原理介绍目前常见的商用3D打印机,同时还有两款能对物体进行高速、高密度测量的3D扫描仪。     

LG16倍DVD—ROM和32倍速CD—RW驱动器上市

近日,方正电子公司同时推出了3款不同类型的扫描仪:面向主流办公市场的多功能扫描仪D737、主攻中高档专业领域的平板扫描仪F8288以及底片扫描仪Z610。 其中方正D737集扫描、打印、复印、传真等多种功能于一体。该CCD平板扫描仪的光学分辨率为600×600dpi,支持36位色输出。运用Pixel by Pixel技术,扫描     

扫描仪的“特异”功能

扫描仪一般都是用来扫描一些图片、文件,谁会想到它还有其他用法! “3 D”扫描功能 我们平常使用平板扫描仪通常仅用于扫描平面图形,像照片、文稿之类,其实大多数使用CCD传感器的扫描仪均能扫描3D物体。也就是说,可以像使用数码相机一样用扫描仪来“拍摄”实物,直接把中小型的物体转换成数码影像。不信,可以试着放一块显示卡在扫描仪的玻璃平台上,虽然卡上器件与扫