基于视频序列的三维人体刚体骨架提取算法研究

摘要

人体运动捕捉应用广泛，包括智能监控、人机交互、虚拟现实、计算机三维动画制作、体育运动训练辅助以及医学步态分析等。因此，人体运动捕捉有着非常重要的研究意义。传统的带标记点的运动捕捉技术需要在人体上标注LED等标记点，然后将标记点的位置和运动方向经传感器传送回计算机，并由计算机进行分析，以获得人体的运动姿态信息。此类运动捕捉系统有以下几个缺点：(1)运动捕捉设备非常昂贵；(2)操作人员需要熟悉标注物的有关说明和操作；(3)运动过程出现遮挡时，标注物与控制点的准确匹配难度很大；(4)将标注点的位置信息准确地转化为刚体运动数据相当困难。
　　无标记点运动捕捉系统则通常采用一个或多个相机，对场景中的人物进行拍摄，从同步视频中获取人体的三维模型，最终恢复人体的运动信息，如关节点位置和关节旋转角度。相对于带标记运动捕捉，无标记运动捕捉由于直接对视频序列中的运动人体进行研究，因此更具有研究价值。
　　带有关节中心位置信息的刚体骨架表征了人体某一时刻的运动姿态，在无标记点运动捕捉中有着非常重要的意义。本文的研究重点集中在无标记点运动捕捉系统中的三维人体刚体骨架提取算法。
　　目前的提取算法对模型边界噪声比较敏感，无法得到满意的曲线骨架，从而无法计算关节点中心位置。本文针对这一问题，提出了一种提取人体三维骨架的算法。首先利用视频序列的轮廓图像重构人体的volume模型；然后根据排斥力场理论，计算人体的分层曲线骨架；并提出连接准则，采用回溯法对曲线骨架的不同肢体分别进行连接，在连接过程中利用二分搜索法获取准确的距离与角度阈值，得到分割且除噪后的曲线骨架；最后根据模型的先验信息，提取人体骨架的关节点中心位置。实验表明，该算法能够得到良好的效果,具有较强的鲁棒性，克服了基于体素模型的骨架提取算法对模型边界噪声敏感的难题，并且能够实现人体骨架的自动提取。

目录

基于视频序列的三维人体刚体骨架提取算法研究

Algorithmic Research on 3D Human Rigid Skeleton Extraction based on Video Sequence

摘要

Abstract

第1章 绪论

1.1 课题研究的目的和意义

1.2 人体运动捕捉技术概述

1.2.1 人体运动捕捉研究内容

1.2.2 无标记点运动捕捉发展现状

1.3 三维骨架提取的意义及发展状况

1.4 课题的主要研究内容及论文结构

第2章 人体三维骨架提取算法概述

2.1 骨架的定义

2.2 国内外三维骨架提取算法概述

2.2.1 基于Voronoi Graph的骨架提取算法

2.2.2 基于Reeb Graph的骨架提取算法

2.2.3 基于拓扑细化的骨架提取算法

2.2.4 基于超多面体的骨架提取算法

2.2.5 基于Isomap的骨架提取算法

2.2.6 基于Gradient Vector Flow的骨架提取算法

2.2.7 基于网格收缩的骨架提取算法

2.3 本章小结

第3章 体素模型的获取

3.1 摄像机标定

3.2 图像预处理

3.2.1 视频序列图像轮廓分割

3.2.2 图像距离变换

3.3 体素数据的获取与Visual hull的建立

3.4 本章小结

第4章 曲线骨架提取

4.1 三维曲线骨架提取

4.1.1 核心骨架

4.1.2 低分散度点与第二层骨架

4.2 算法流程与实验结果

4.2.1 算法流程

4.2.2 实验结果

4.3 本章小结

第5章 骨架的连接与关节中心提取

5.1 曲线骨架的连接

5.1.1 计算主干点

5.1.2 骨架连接准则

5.1.3 算法流程

5.1.4 分割曲线骨架

5.2 关节中心位置的确定

5.3 实验结果与分析

5.4 本章小结

结论与展望

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢