本文選題：運動捕捉　切入點：姿態(tài)估計　出處：《南京大學》2017年碩士論文　論文類型：學位論文

【摘要】：人體運動捕捉,就是從單個視角或者多個已同步或者非同步視角的數據或者序列中恢復出人體的姿態(tài)參數。精確性和魯棒性是動態(tài)人體運動捕捉算法的基本追求。長期以來,很多學者和工程師都在致力于研究先進的人體運動捕捉算法,以期望能實時、自動、準確地構建三維空間中的人體運動形體。精確的人體運動捕捉,廣泛應用于體育運動分析、遠程醫(yī)療和虛擬現(xiàn)實等多個領域,豐富人們的娛樂方式和日常生活。當前,學術界在人體運動捕捉方面已經取得了巨大的進展,然而當遮擋發(fā)生時,當前比較流行的運動捕捉技術容易陷入局部最優(yōu),降低了運動估計結果的精確度,這促使著眾多的學者和工程師更積極地投入到運動捕捉算法的研究中去。本文提出了一個完整的高精度的人體運動捕捉系統(tǒng)。首先,我們介紹了人體語義參數化的人體體型重建方法。本方法通過建立人體的三維模型與人體的語義參數(如身高、三圍等)之間的線性映射關系,再利用采集得到的人體三維點云數據的約束,精確得重建人體體型模型。精確的人體體型模型使得人體運動姿態(tài)重建更加精確。對于運動捕捉,與以往的單目深度相機系統(tǒng)不同,我們使用兩個Kinect相機從不同的角度來獲取人體的運動信息,并以根據前一幀圖像數據求解得出的人體形體作為當前待求解的圖像的人體模板,將人體姿態(tài)參數的求解轉化為一個MAP問題來解決。雙Kinect相機系統(tǒng)的使用,使得當遮擋的情況出現(xiàn)時我們仍然有足夠的信息用于精確估計人體的運動姿態(tài)。另一方面,利用人體運動在時域上的連續(xù)性,我們引入了時域約束條件,使用學習的方法來進一步挖掘人體姿態(tài)變化上的時域信息來約束人體運動參數的求解。時域約束條件的引入,使得我們在面對較快速度運動的人體時的求解結果精度更高。實驗證明,時域約束條件有助于提高我們的運動捕捉系統(tǒng)的精度。
[Abstract]:Human motion capture is to recover human posture parameters from data or sequences of single or multiple synchronized or asynchronous visual angles. Accuracy and robustness are the basic pursuit of dynamic human motion capture algorithm for a long time. Many scholars and engineers are working on advanced human motion capture algorithms in the hope that they can construct human motion bodies in three dimensional space in real time, automatically and accurately. Accurate human motion capture is widely used in sports analysis. Telemedicine and virtual reality enrich people's entertainment and daily life. At present, great progress has been made in the field of human motion capture, but when occlusion occurs, The current popular motion capture techniques tend to fall into local optimum, which reduces the accuracy of motion estimation results. This has prompted many scholars and engineers to devote themselves more actively to the research of motion capture algorithms. In this paper, a complete human motion capture system with high accuracy is proposed. In this paper, we introduce the method of human body shape reconstruction with semantic parameterization. By establishing the linear mapping relationship between human body 3D model and human body semantic parameters (such as height, Sanwei, etc.), Then using the constraint of the collected 3D point cloud data, the body shape model can be reconstructed accurately. The precise body shape model makes the human body posture reconstruction more accurate. Different from the previous monocular depth camera system, we use two Kinect cameras to obtain human body motion information from different angles, and take the human body shape obtained from the previous frame image data as the human body template of the current image to be solved. The solution of attitude parameters of human body is transformed into a MAP problem. With the use of double Kinect camera system, we still have enough information to estimate the human body's motion attitude when the occlusion occurs. On the other hand, Using the continuity of human motion in time domain, we introduce the time domain constraint condition, and use the learning method to further excavate the time domain information of the human body attitude change to constrain the solution of the human body motion parameter, and introduce the time domain constraint condition. The experimental results show that the time-domain constraint condition is helpful to improve the accuracy of our motion capture system.
【學位授予單位】：南京大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前2條

1 瞿文吉,藍祖云,張鴻姿,張人驤;人體體型的立體測量[J];科學通報;1987年23期

2 ;[J];;年期

相關重要報紙文章 前1條

1 文化;制衣業(yè)要靠新設備“武裝”[N];中國商報;2000年

相關博士學位論文 前1條

1 陳文飛;基于服裝合體性的女性人體體型研究[D];東華大學;2001年

相關碩士學位論文 前10條

1 趙廣艷;適體女上裝的結構優(yōu)化設計[D];河北科技大學;2014年

2 高之泉;基于雙Kinect的人體運動捕捉[D];南京大學;2017年

3 王瑩;面向個性化服裝定制的人體體型分析系統(tǒng)的研究[D];東華大學;2008年

4 王鵬;數字化電子量身定制系統(tǒng)關鍵技術研究及應用[D];東華大學;2006年

5 米婷婷;東華原型的補充性研究[D];東華大學;2009年

6 孫潔;基于神經網絡集成的人體體型分析與號型歸檔研究[D];浙江理工大學;2013年

7 凌晨;面向電子化量身定制服裝eMTM的人體體型分析系統(tǒng)設計與實現(xiàn)[D];東華大學;2005年

8 姜濤;基于數碼照片測量技術的女性人體體型研究[D];蘇州大學;2007年

9 林在韻;人體體型因素及界面展示方式對線上服裝購買成功率的影響[D];東華大學;2014年

10 龐程方;基于橫截面形態(tài)的青年男性體型細分與識別研究[D];浙江理工大學;2015年

，

本文編號：1603323