| 标题 | 基于AR动态图像的人物动作捕捉技术研究 |
| 范文 | 高晶 陈晓臻 摘 要： 为了提高人物动作的三维虚拟重构和识别能力，需进行人物动作的特征提取和捕捉，故提出基于AR动态图像的人物动作捕捉技术。采用三维动态跟踪识别方法进行人物動作的动态图像特征提取，利用AR虚拟现实技术进行人物动态图像的包络轮廓分割，绘制反应人物动作特征的灰度直方图，结合Harris角点跟踪检测方法进行人物动作捕捉，实现人物动态图像三维虚拟成像重构和动作的实时捕捉。仿真结果表明，采用该方法进行人物动作捕捉的动态特征匹配能力较好，对动态特征点的检测性能较高，具有较好的人物动态图像虚拟重构和识别能力。 关键词： AR动态图像； 人物动作； 轮廓分割； 特征提取； 识别能力； 检测方法 中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）08?0144?03 Abstract： To improve the 3D virtual reconstruction and recognition capability of character actions， feature extraction and capture of character actions need to be performed. Therefore， a character action capture technology based on AR dynamic images is proposed. The 3D dynamic tracking recognition method is adopted to extract dynamic image features of character actions. The AR virtual reality technology is used to segment the envelope contour of characters′ dynamic images and draw the gray histogram which reflects action features of characters. The Harris corner tracking detection method is combined to capture character actions and realize 3D virtual image reconstruction and real?time action capture of characters′ dynamic images. The simulation results show that the method for capturing character actions has good dynamic feature matching capability， good dynamic feature point detection performance， and good virtual reconstruction and recognition capability of characters′ dynamic images. Keywords： AR dynamic image； character action； contour segmentation； feature extraction； recognition capability； detection method0 引 言 随着虚拟现实（Virtual Reality，VR）技术的发展，计算机图像处理基础被广泛应用于目标识别、特征分析和动态图像重构等领域。其采用虚拟现实成像技术进行人物的动态图像重建和动作识别，结合人体的动态特征图进行特征分析，实现对运动人物动作的三维模拟跟踪；通过对人物动作的实时捕捉，结合模式识别和智能特征提取技术，进行人物动作识别；通过动作捕捉和识别结果进行人体的动态特性分析[1]。相关的人物动态特征分析技术在体育训练、视频动态监测以及刑事侦查等领域具有很好的应用价值。 传统方法中，对运动人物动作捕捉和图像识别技术主要采用三维动态流形向量跟踪识别方法提取运动人体的边缘轮廓特征，结合自适应角点检测和图像分割技术进行人体动作识别。主要的动作捕捉方法有于LLE检测方法和支持向量机算法（SVM）等[2]。文献[3]提出基于直方图分布特征模糊学习的人物动作三维动态跟踪识别方法，结合三维动作流形特征进行人物图像的动态特征分析，实现人物动作捕捉，但该方法存在计算开销大，对人物动作捕捉的实时性不好的问题。针对上述问题，本文提出基于AR动态图像的人物动作捕捉技术。 采用三维动态跟踪识别方法进行人物动作的动态图像特征提取，利用AR虚拟现实技术进行人物动态图像的包络轮廓分割，实现人物动作捕捉优化，最后进行仿真实验，展示了本文方法在提高人物动作捕捉能力方面的优越性能。1 人物动作图像的VR成像预处理 1.1 人物动作图像的三维动作流形分析 为了实现对人物动作实时捕捉和动态图像重构，首先采用实时图像采集方法进行人物动态图像采集，提取动态人物图像的三维动作流形矢量，对训练动作特征点进行自适应匹配，具体的流程图如图1所示。 结合三维动作特征点的流形分割方法，得到人物动作重构的动态特征量[f（z）]，在人物动态成像的成像区域进行三维动作流形分解，得到人物动作的实时捕捉先验信息。由此得到人物动作重构的动态特征量为： 1.2 三维动态跟踪识别 采用三维动态跟踪识别方法进行人物动作的动态图像特征提取，对采集的人物动态图像进行动作特征点定位，在边缘帧不变的约束条件下，采用AR虚拟现实技术进行人物动态图像的包络轮廓分割[4?5]。在人体动态变化下，得到动作向量的集合描述。在仿射不变区域内，根据人体的动作特征进行动态图像的AR重构，得到灰度像素范围区域中的人体动作特征捕捉的衔接动作向量，人物动态跟踪识别的动态特征函数为：2 人物动作捕捉实现 在采用三维动态跟踪识别方法进行人物动作的动态图像特征提取的基础上，进行人物动作捕捉算法优化设计[6?7]。本文提出基于AR动态图像的人物动作捕捉技术，对人物动作三维动态图像分割和块匹配，得到人物动作的AR基分量。根据图像像素跟踪点进行人物动态图像的角点检测[8]，得到人物AR动态图像的三维动作捕捉分析图如图2所示。3 仿真實验与结果分析 AR动态图像的人物动作捕捉仿真实验建立在Matlab 7仿真软件上，采用L3G4200D动态成像仪进行人物动态图像采集。图像像素点采样的跟踪偏移量设定为0.024 mm，径向偏差设定为0.125，人物动态图像的分块大小为[256×256×224，]动态特征点的相关系数为0.45，灰度像素值为124，归一化相关系数值[ω=]0.23，人体动态特征点定位的标准误差系数为[a]=0.58。根据上述仿真参量设定，进行人体动态特征点检测，得到检测结果如图3所示。 分析图4得知，本文方法进行人物动作捕捉的动态特征匹配能力较好。为了对比算法性能，采用本文方法和传统方法测试人物动作捕捉的准确性对比结果，如图5所示。分析图5得知，采用本文方法进行人物动作捕捉的准确性较高，对动态特征点的检测性能较高。4 结 语 本文提出基于AR动态图像的人物动作捕捉技术，其采用三维动态跟踪识别方法进行人物动作的动态图像特征提取，利用AR虚拟重构技术进行人物动态重建，结合Harris角点跟踪检测方法进行人物动作捕捉，实现人物动态图像的动作实时捕捉。研究表明，本文方法在进行人物动态图像动作捕捉时准确性较好，识别能力较高。 参考文献 [1] 段宇，侯宇. 轮式管外攀爬机器人结构设计与动力特性分析[J].机械设计与制造工程，2016，45（12）：17?20. DUAN Yu， HOU Yu. The structure design and dynamic characteristics analysis of the wheeled pipe climbing robot [J]. Machinery design &； manufacture， 2016， 45（12）： 17?20. [2] 肖淑苹，贺毅岳.一种改进的EMD 图像信号去噪算法[J].现代电子技术，2016，39（16）：91?93. XIAO Shuping， HE Yiyue. An improved signal denoising algorithm of EMD image [J]. Modern electronics technique， 2016， 39（16）： 91?93. [3] LONG Tengfei， JIAO Weili， HE Guojin， et al. Automatic line segment registration using Gaussian mixture model and expectation?maximization algorithm [J]. IEEE journal of selected topics in applied earth observations and remote sensing， 2014， 7（5）： 1688?1699. [4] 卞乐，霍冠英，李庆武.基于Curvelet变换和多目标粒子群的混合熵MRI图像多阈值分割[J].计算机应用，2016，36（11）：3188?3195. BIAN Le， HUO Guanying， LI Qingwu. Multi?threshold MRI image segmentation algorithm based on Curvelet transformation and multi?objective particle swarm optimization [J]. Journal of computer applications， 2016， 36（11）： 3188?3195. [5] 李积英，党建武，王阳萍.融合量子克隆进化与二维Tsallis熵的医学图像分割算法[J].计算机辅助设计与图形学学报，2014，26（3）：465?471. LI Jiying， DANG Jianwu， WANG Yangping. Medical image segmentation algorithm based on quantum clonal evolution and two?dimensional tsallis entropy [J]. Journal of computer?aided design &； computer graphics， 2014， 26（3）： 465?471. [6] 葛雯，姬鹏冲，赵天臣.NSST域模糊逻辑的红外与可见光图像融合[J].激光技术，2016，40（6）：892?896. GE Wen， JI Pengchong， ZHAO Tianchen. Infrared and visible light images fusion of fuzzy logic on NSST domain [J]. Laser technology， 2016， 40（6）： 892?896. [7] 徐正则.基于深度图像动作捕捉技术虚拟主持人的应用研究[J].现代电影技术，2016（8）：21?26. XU Zhengze. Application research of virtual host based on motion capture of deep image [J]. Advanced motion picture technology， 2016（8）： 21?26. [8] 王泽民.戏曲人物动作捕捉技术的研究与应用[J].科技创新导报，2014（15）：229?230. WANG Zemin. Research and application of the motion capture technology of the characters in traditional Chinese opera [J]. Science and technology innovation herald， 2014（15）： 229?230. [9] 王新，朱信忠，赵建民，等.基于实时动作捕捉技术在影视动画中的研究[J].微型电脑应用，2014，30（3）：16?17. WANG Xin， ZHU Xinzhong， ZHAO Jianmin， et al. Research of film and animation based on the real?time motion capture technology [J]. Microcomputer applications， 2014， 30（3）： 16?17. [10] 范秀云.恐怖谷理论与动画电影中的逼真人物形象[J].当代电影，2014（6）：187?190. FAN Xiuyun. Horror valley theory and realistic characters in animated movies [J]. Contemporary cinema， 2014（6）： 187?190. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。