任意姿态虚拟人网格模型骨骼提取算法

人体骨骼动画技术是虚拟人物建模中的研究重点。在现有人体骨骼动画的制作过程中,动画师必需手工标定人体各主要关节点位置及人体骨架每一关键帧的姿态,工作量巨大。因此提出一种自动提取人体任意姿态网格模型骨架结构的方法。该方法首先利用模型各顶点间测地距离的几何关系自动识别人体位于四肢和头顶末端的5个特征点,再以特征点为起点生成等测地距离曲线族,利用等测地距离曲线将人体四肢和躯干区分开来,将这些相邻等测地线中心连接起来生成5条骨骼中心线,最后在中心线上根据中心夹角极小值及等测地距离曲线似圆率来确定人体关节的确切位置。实验结果表明,该算法能适应不同姿态的人体模型,计算结果准确性高,能完全自动实现关节点定位和骨骼提取。     

基于球B样条的3D人物角色建模与动画

提出一种新的人物角色的快速建模和动画的方法.通过使用球B样条实现以骨架为基础自动构建角色模型以及数据驱动的角色动画生成方法.给定人物角色骨架后,依据人体测量学根据骨骼长度计算出关节点处的半径.通过插值关节点以及半径生成球B样条曲线曲面表示的角色模型.根据所获取的运动数据(来自运动捕获),通过更新控制顶点来更新角色模型,从而实现角色的实时动画.     

一种姿态无关的人体模型骨骼提取方法

随着三维扫描技术的逐渐成熟,三维人体扫描模型的骨骼提取逐渐成为虚拟人建模研究领域的热点之一,现有的三维人体模型骨骼提取方法,存在手工标注任务繁重、对模型姿态过于敏感、计算结果不准确等问题,提出了一种新的三维人体模型的骨骼提取算法:首先,根据Morse原理,将测地距离作为Morse函数的要素,实现姿态无关的人体模型特征点以及拓扑结构的提取;其次,将测地距离等值面作为基础数据,采用截面似圆性判别准则提取模型关节中心所在等值面,从而获得关节中心的准确结果,实验结果表明,与已有算法相比,该方法具有模型姿态无关、计算结果准确等特性,并且能够完全自动地提取三维人体扫描模型的骨骼.     

姿态无关的人体模型朝向判定

人体朝向判定是人体模型自动配准、人体运动分析和数据驱动动画的基础.针对现有人体朝向判定方法存在的对模型姿态过于敏感、计算结果不准确等问题,提出一种基于支持向量机的姿态无关人体朝向判定方法.首先分析人体朝向与人体下肢骨骼的关系,构造由下肢骨骼与人体朝向的夹角组成的特征向量,然后利用支持向量机理论训练朝向判定分类器,实现不同姿态人体朝向判定.实验结果表明,文中所构造的特征向量具有较好的线性可分性,朝向判定分类器可以有效地识别各种姿态的人体朝向,并可以非常方便地集成到现有的骨骼提取算法中.     

基于Kinect的人体姿态估计优化和动画生成

为了生成更准确流畅的虚拟人动画,采用Kinect设备捕获三维人体姿态数据的同时,使用单目人体三维姿态估计算法对Kinect的彩色信息进行骨骼点数据推理,从而实时优化人体姿态估计效果,并驱动虚拟人物模型生成动画。首先,提出了一种时空优化的骨骼点数据处理方法,以提高单目估计人体三维姿态的稳定性;其次,提出了一种Kinect和遮挡鲁棒姿势图（ORPM）算法融合的人体姿态估计方法来解决Kinect的遮挡问题;最后,研制了基于四元数向量插值和逆向运动学约束的虚拟人动画系统,其能够进行运动仿真和实时动画生成。与仅利用Kinect捕获人体运动来生成动画的方法相比,所提方法的人体姿态估计数据鲁棒性更强,具备一定的防遮挡能力,而与基于ORPM算法的动画生成方法相比,所提方法生成的动画在帧率上提高了两倍,效果更真实流畅。     

基于双相机捕获面部表情及人体姿态生成三维虚拟人动画

为了生成表情丰富、动作流畅的三维虚拟人动画,提出了一种基于双相机同步捕获面部表情及人体姿态生成三维虚拟人动画的方法。首先,采用传输控制协议（TCP）网络时间戳方法实现双相机时间同步,采用张正友标定法实现双相机空间同步。然后,利用双相机分别采集面部表情和人体姿态。采集面部表情时,提取图像的2D特征点,利用这些2D特征点回归计算得到面部行为编码系统（FACS）面部行为单元,为实现表情动画做准备;以标准头部3D坐标值为基准,根据相机内参,采用高效n点投影（EPnP）算法实现头部姿态估计;之后将面部表情信息和头部姿态估计信息进行匹配。采集人体姿态时,利用遮挡鲁棒姿势图（ORPM）方法计算人体姿态,输出每个骨骼点位置、旋转角度等数据。最后,在虚幻引擎4（UE4）中使用建立的虚拟人体三维模型来展示数据驱动动画的效果。实验结果表明,该方法能够同步捕获面部表情及人体姿态,而且在实验测试中的帧率达到20 fps,能实时生成自然真实的三维动画。     

基于人体关节点多特征融合的暴力行为识别

针对目前视频中暴力行为识别算法识别准确率不高的问题,提出一种基于人体关节点多特征融合的暴力行为识别方法。使用YOLO-Pose算法实现人体检测与姿态估计,获取人体关节点位置信息,基于人体结构提取关节点的距离特征和形状特征,基于运动特性提取关节点的动态特征和姿态特征,将所有特征信息进行融合,构建Bi-LSTM行为识别模型实现暴力行为识别分类,并设计行为识别结果稳定器,解决识别过程中因随机干扰导致的行为误判问题。在公开暴力行为数据集Violent-Flows与自制暴力行为数据集Vio-B上验证提出方法的有效性,实验表明,在Violent-Flows数据集与Vio-B数据集上本方法准确率分别达到97.9%与98.5%,高于现有方法。     

无需人工干预的关节点提取和三维重建

随着现在人体的运动捕获和行为理解的研究的发展,对这项研究有了越来越高的要求。相对于原来的手动提取人体关节点作为特征点来研究,如何使得提取特征点更加自动化,对以后的运动捕获和行为理解的研究意义重大。提出一种在单目视觉条件下在第一帧自动提取人体关节点位置的方法,来解决传统的以手动标定提取人体关节点的问题,并且利用光流稀疏L_K算法 对提取出的关节点进行运动跟踪,得到运动人体二维坐标信息,结合像机模型通过几何计算获得人体关节点的深度信息。     

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.     

一种视频驱动的三维虚拟人动画实现方法

研究实现三维人体动画具有广泛的应用前景和实用意义,提出了一种二维视频驱动的三维人体动画实现方法。基于动态帧的关键帧提取算法从二维视频中构建了二维关键帧集合;基于二维关键帧构建二维人体骨骼模型;利用小孔成像原理和勾股定理计算得到关节特征点的深度坐标,从而得到了反映人体动画的三维数据。实验结果表明,该方法生成的三维人体动画形象逼真、成本低、提高了运动生成的实时性,能够应用于虚拟现实、计算机游戏、三维视频游戏制作等领域。     

Skeleton driven animation based on implicit skinning

Skeleton-driven animation methods have been commonly used in animating 3D characters. In these methods, a skinning process that binds the character surface onto the skeleton is required. This process is usually accomplished manually and is a time-consuming task. In this paper, we propose a novel method for automatically skinning skeletal character models. Given the motion of a skeleton, our method can animate the character model automatically. In our method, each joint coordinate is parameterized by its surrounding local surface. In such a way, the character's surface is implicitly bound onto the skeleton. Character animation is achieved by minimizing an energy function that is carefully designed to prevent unnatural volume changes and to guarantee smooth deformations. Experiments demonstrate the efficiency and excellent performance of our method.     

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     

一种现代藏文笔段提取算法

针对藏文字符笔段的几何特征和拓扑结构,本文提出了一种基于字符轮廓信息的藏文笔段提取算法:通过链码跟踪的方法得到笔段轮廓的点列,然后从点列中提取特征点并利用特征点切分出笔段,最后用笔段的轮廓线代替骨架线来表征藏文的笔段。本算法用于印刷体藏文笔段提取,取得了良好的效果,避免了传统细化算法所造成的畸变,提高了笔段提取的抗干扰能力,并减小了计算量,加快了特征提取的速度。     

基于关联分区和ST-GCN的人体行为识别

基于骨骼的动作识别因不受人体物理特征的影响,简单清晰地传达了人体行为识别的重要信息而受到广泛关注。传统的应用程序骨架建模通常依赖遍历规则的人为设置而导致表达能力有限和推广困难。因此,在近年来热门的时空图卷积网络（ST-GCN）模型基础上提出了一种新的划分骨架关节点的分区策略。该策略相比于原始分区方法加强了身体相对位置之间的关系,从而有利于提高骨架关节点信息在时间和空间上的关联。与此同时,在训练过程中通过设置不同的迭代学习率以进一步提高识别精度。在两个不同性质的大规模数据集Kinetics和NTU-RGB+D上与现有方法进行识别效果的比较,实验结果表明了该方法的有效性。     

面向人体动作识别的局部特征融合时间卷积网络

针对3D人体骨架序列动作识别这一问题,提出了一种结合了局部特征融合的时间卷积网络方法.首先,对一个动作中整个骨架序列的所有关节点的空间位置变化进行建模,提取其骨架序列的全局空间特征;然后,根据人体关节点及连接关系的拓扑结构将全局空间特征划分为人体局部空间特征,并将得到的局部空间特征分别作为对应TCN的输入,进而学习各关节内部的特征关系;最后,对输出的各部分特征向量进行融合,学习各部分关节之间的协作关系,从而完成对动作的识别.运用该方法在当前最具挑战性的数据集NTU-RGB+D进行了分类识别实验,结果表明,与已有的基于CNN,LSTM以及TCN的方法相比,其在对象交叉(cross-subject)和视图交叉(cross-view)的分类准确率上分别提高到了79.5%和84.6%.     

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。     

外部压力法（EPM）的二值图像骨架提取

提出了基于边界外部压力的二值图像结构化骨架提取方法。先标记出二值图像的边界,判断各个边界点的受力情况,通过三个条件判断各个边界点是否为骨架单元。迭代这一过程,直到没有新的骨架单元产生,即得到初步的骨架结构。通过对骨架中3×3区域内骨架形状分析,对骨架中的冗赘单元进行查找并删除。将该方法得到的骨架结构图与软件Matlab 6.5骨架提取函数（Bwmorph）得到的骨架结构进行了比较,表明用该方法得到的结果比Matlab 6.5中得到的骨架线条更平滑,而且细小分枝更少。将该方法应用到海表温度锋面的提取上,结果显示锋面位置与结构准确,说明利用该方法进行骨架提取是可行的。     

融合RGB-D多模特征和半径边缘约束超限学习的动作识别

针对单模态特征鉴别行为动作类别的能力有限问题,提出基于RGB-D视频中多模态视觉特征融合和实例化多重核超限学习(Exemplars-MKL-ELM)的动作分类方法.首先,利用骨架表面拟合和密集轨迹提取稳健的密集运动姿态特征,以稠密点云法平面感知人体3维几何的稀疏化有向主成分直方图特征,提取外观纹理嵌入身体节点空-时邻域的三维梯度直方图特征.然后,采用半径边缘约束多重核超限学习机融合多模态视觉特征,并利用对比数据法挖掘每个行为类别的代表性实例集合.最后,每个样本结合融合视觉特征和即得实例集合,采用Exemplars-MKL-ELM模型和贪婪预测思想分层分类识别行为.实验表明,文中方法在分类准确度和计算效率上都较优.