基于视频的人体动画

现有的基于运动捕获的动画普遍存在投资大，人体的运动受到捕获设备限制等缺陷。提出了新的基于视频的人体动画技术，首先从视频中捕获人体运动，然后将编辑处理后的运动重定向到动画角色，产生满足动画师要求的动画片段。对其中的运动捕获、运动编辑和运动重定向等关键技术进行了深入研究，并基于这些关键技术开发了一个基于双像机的视频动画系统（VBHA），系统运行结果表明了从来源广、成本低的视频中捕获运动，并经过运动编辑和运动重定向后生成逼真动画的可行性。     

一种人体运动重定向方法*

提出人体下肢向量的概念,通过分析人体运动指出下肢向量能保持运动的主要特征,由此提出基于下肢向量特征不变性的人体运动重定向方法,以此提高运动捕获数据的可重用性。该方法面向人体下肢的运动重定向,能够将运动数据从原始骨骼模型重定向到具有不同骨骼长度比例的目标骨骼模型,同时保持原始运动的主要特征。实验结果表明,该方法具有较好的运动重定向效果和较快的计算效率。     

时空联合视差优化的立体视频重定向

目的智能适配显示的图像/视频重定向技术近年受到广泛关注。与图像重定向以及2D视频重定向相比,3D视频重定向需要同时考虑视差保持和时域保持。现有的3D视频重定向方法虽然考虑了视差保持却忽略了对视差舒适度的调整,针对因视差过大和视差突变造成视觉不舒适度这一问题,提出了一种基于时空联合视差优化的立体视频重定向方法,将视频视差范围控制在舒适区间。方法在原始视频上建立均匀网格,并提取显著信息和视差,进而得到每个网格的平均显著值;根据相似性变化原理构建形状保持能量项,利用目标轨迹以及原始视频的视差变化构建时域保持能量项,并结合人眼辐辏调节原理构建视差舒适度调整能量项;结合各个网格的显著性,联合求解所有能量项得到优化后的网格顶点坐标,将其用于确定网格形变,从而生成指定宽高比的视频。结果实验结果表明,与基于细缝裁剪的立体视频重定向方法对比,本文方法在形状保持、时域保持及视差舒适度方面均具有更好的性能。另外,使用现有的客观质量评价方法对重定向结果进行评价,本文方法客观质量评价指标性能优于均匀缩放和细缝裁剪的视频重定向方法,时间复杂度较低,每帧的时间复杂度至少比细缝裁剪方法降低了98%。结论提出的时空联合...     

基于足迹采样的运动编辑

针对人体两足动画提出一种基于足迹采样的运动编辑算法．足迹很好地描述了两足动画中必须满足的时空约束，通过调整足迹的位置与朝向来编辑两足动画是一种较为自然、直观的交互方式．为有效、快速地生成编辑后的动画，采用一种实时的逆向运动学算法求解两足动画中的支撑脚约束，然后使用层次B样条技术构造偏移映射完成编辑．为了便于逆向运动学算法的求解，提出基于采样的方法来计算质心轨迹．     

基于约束轨迹重构的运动编辑

提出了一种运动数据重用的方法.采用偏移映射技术构建模型末端的位姿约束轨迹,该轨迹较好地保留了原始运动的特征;利用Unscented卡尔曼滤波方法求解约束,可以实时地生成与原始运动相似的新运动.实验结果表明,该方法可以生成满足不同模型和场景要求的多种运动,扩展了捕获数据的应用范围.     

基于运动历史图的网格变形视频重定向

保持时域连贯性与保证图像空域的重建质量在视频重定向中至关重要。针对这个问题,提出一种基于运动历史图的网格变形方法进行视频大小的调整。通过估计帧间摄像机的运动,将视频帧对齐在时间轴上,构造全局运动模型,从而获得全局运动历史图;利用运动历史图来顺序指导单帧图像形变,将单帧图像的放缩问题转换为网格变形问题,通过构造一系列约束条件在网格上建立保持整体形状的最优化模型,实现背景的时间连续性的同时又有效地保持运动对象的形状。测试结果显示无论是处理静止的视频还是具有复杂运动的视频,该方法都能获得令人满意的结果,且能实现对视频流的实时处理。     

基于人体运动规律的运动融合技术

介绍了一种不需要人工干预的运动融合方法,提出了基于关节运动规律的运动周期判别方法。通过分析运动捕获数据,计算双膝与臀部节点连线夹角的变化来确定运动周期,然后再进行时空变形、插值与约束重建,从而生成高质量的运动融合动画。实验结果表明本算法能够准确的计算出运动周期,并且使约束后的融合动作更加真实。     

人体运动路径的编辑算法

对现有的路径编辑方法进行了较大改进,将运动自动简化技术引入到传统的时空优化方法中,同时将物理约束引入到传统的路径变换方法,保证了优化过程的快速收敛和结果运动的物理真实性.算法框架包括模型简化、运动简化、路径编辑、运动合成和运动复原等5个部分.实验结果表明,该算法能够将人体运动从原始路径上成功地映射到新路径上.     

一种新的手势运动数据重定向方法

提出了一种新的重新定向手势运动数据的方法.它把通过运动捕获设备捕获的手势数据重新定向到具有不同大小和比例的虚拟人模型上,从而生成与原运动含义相同且真实自然的动画.首先通过手势特征分析在人体上选择关键敏感点和次关键敏感点,然后利用提出的基于空间相对位置的方法确定重定向后敏感点的位置,最后采用改进的逆运动学方法实现了手势运动的重定向.实验表明,提出的方法使得中国手语合成系统的可懂度提高30%以上.     

基于视频的运动捕获

现有的运动捕获方法大都存在运动捕获设备昂贵、演员运动受限等缺点，为此，提出了一种利用视觉技术从视频中提取人体运动的方法，并对其中的特片跟踪和三维运动序列恢复等关键技术进行了深入研究。基于人体模型的特征跟踪算法利用卡尔曼滤波和极线方程，能精确地跟踪比较大的人体运动；采用不共面的非线性定标模型和考虑运动不确定性的三维重建方法，能恢复逼真的三维人体骨架模型，实验结果验证了基于视频的运动捕获方法的可行性和有效性。     

基于骨干长度比例之运动重定目标算法

为了减轻动画制作劳动强度，提高动画制作产能以及自动产生仿真动画，提出了一种结合运动捕获器（Motion Capture)技术与逆向运动学原理的用于完成关节动画中实时运动重定目标（Motion Retargeting)的新算法，该算法的主要概念是首先根据“原动者”与“标的者”之身材比例，推算出、标的者”末端效应器之定位，然后再利用逆向运动学之算法求得“标的者”各关节之旋转角度，因为该算法充分地利用了捕获器所纪录的“原动者”运动信息的密集重复性，而且所设计之定位法则能满足原运动对未端效应器之约束，所以该方法能展现出与原运动十分相似的动画，同时不违背原设定之约束，实验数据也展示，并说明了该算法之效能与优点。     

Motion Style Retargeting to Characters With Different Morphologies

We present a novel approach for style retargeting to non‐humanoid characters by allowing extracted stylistic features from one character to be added to the motion of another character with a different body morphology. We introduce the concept of groups of body parts (GBPs), for example, the torso, legs and tail, and we argue that they can be used to capture the individual style of a character motion. By separating GBPs from a character, the user can define mappings between characters with different morphologies. We automatically extract the motion of each GBP from the source, map it to the target and then use a constrained optimization to adjust all joints in each GBP in the target to preserve the original motion while expressing the style of the source. We show results on characters that present different morphologies to the source motion from which the style is extracted. The style transfer is intuitive and provides a high level of control. For most of the examples in this paper, the definition of GBP takes around 5 min and the optimization about 7 min on average. For the most complicated examples, the definition of three GBPs and their mapping takes about 10 min and the optimization another 30 min.     

3维人体运动编辑与合成技术综述

为了使人们对3维人体运动编辑与合成技术有个概略了解,对当前3维人体运动编辑和合成技术的研究现状进行了系统阐述。首先对4大类3维人体运动合成方法进行了分析比较;然后按照运动捕获数据的表示方法、运动编辑技术、运动合成技术3个方面着重分析了运动捕获数据驱动的运动合成方法的发展现状;最后对目前3维人体运动编辑与合成技术研究中的难点问题及未来研究重点进行了展望。     

基于运动传播和Isomap分析的三维人脸动画编辑与合成

提出一种三维人脸动画数据编辑与合成的有效方法,使用户可以在三维人脸模型上选定控制点,并在二维平面上指定表情动作的约束条件.根据人脸动画数据训练一个先验概率模型,将较少的用户约束传播到人脸网格的其他部分,从而生成完整生动的人脸表情;通过Isomap学习算法对三维人脸动画知识进行建模,并结合用户指定的关键帧拟合高维曲面上的平滑测地线,以自动合成新的人脸动画序列.实验结果表明,该方法可以直观地对人脸动画的生成进行交互式控制,并能生成较为逼真的表情动画.     

运动编辑支持的舞蹈辅助编排技术

针对舞蹈表演创作与编排中的舞台构图和动作片段连接问题,实现了相应的计算机辅助舞蹈创作与编排技术．舞蹈创编人员可在计算机中对演员的走位和队形进行自由编辑,组合不同的表演动作片段．通过这些辅助工具,能够在演员实际表演前调整舞台效果并获得相应的预览,降低实际编排的难度与工作量．     

Example‐Based Retargeting of Human Motion to Arbitrary Mesh Models

We present a novel method for retargeting human motion to arbitrary 3D mesh models with as little user interaction as possible. Traditional motion‐retargeting systems try to preserve the original motion, while satisfying several motion constraints. Our method uses a few pose‐to‐pose examples provided by the user to extract the desired semantics behind the retargeting process while not limiting the transfer to being only literal. Thus, mesh models with different structures and/or motion semantics from humanoid skeletons become possible targets. Also considering the fact that most publicly available mesh models lack additional structure (e.g. skeleton), our method dispenses with the need for such a structure by means of a built‐in surface‐based deformation system. As deformation for animation purposes may require non‐rigid behaviour, we augment existing rigid deformation approaches to provide volume‐preserving and squash‐and‐stretch deformations. We demonstrate our approach on well‐known mesh models along with several publicly available motion‐capture sequences.