面向虛擬試衣的人體骨架及關(guān)節(jié)點的提取.pdf

1、人體運動捕捉是計算機視覺領(lǐng)域倍受關(guān)注的一個研究熱點,在智能視頻監(jiān)控、視頻分析、動畫、游戲、醫(yī)學(xué)診斷和人機交互等領(lǐng)域均有廣闊的應(yīng)用前景。它包括人體的標定與跟蹤和人體動作的識別與理解兩個主要內(nèi)容。其中,人體的標定與跟蹤是運動識別和理解的基礎(chǔ),在人體運動捕捉中起著關(guān)鍵性的作用。因此,本文以虛擬試衣系統(tǒng)為背景,研究人體的骨架化技術(shù)與人體關(guān)節(jié)點的定位,具有重要的理論價值和實際意義。
　　 骨架是描述物體形狀和拓撲結(jié)構(gòu)的一種有效手段,廣泛應(yīng)

2、用于人體的描述?；诰嚯x變換的骨架化算法對人體的骨架有較好的效果,但無法保證骨架的連通性。本文利用圖像梯度的性質(zhì),通過梯度化距離變換圖,著重突出了潛在的骨架點;利用距離值和梯度值,尋找關(guān)鍵點;引入基于梯度的最短路徑算法,連接所有關(guān)鍵點,形成物體的曲線骨架,解決骨架連通性問題。在此基礎(chǔ)上,本文還提出基于梯度的優(yōu)化方法,綜合0°、45°、90°和135°四個方向的梯度圖,形成新的包含所有潛在骨架點的梯度圖。通過預(yù)設(shè)的閾值消除大部分非骨架點;

3、利用輪廓法提取由骨架點組成的“粗”中脊線;通過拓撲細化得到“細”中脊線。最后,利用“細”中脊線構(gòu)建最短路徑算法所需的鄰接矩陣,大大地減少算法的運行時間。
　　 為了滿足無標記的要求,本文利用人體的特性,通過尋找“邊緣點”與主干點之間的路徑,把人體曲線骨架分割成四肢和脊柱5個骨架分枝:利用人體模型的先驗知識,提取每個骨架分枝的主要關(guān)節(jié)點;連接每個骨架分枝的關(guān)節(jié)點,形成人體剛體骨架。實驗表明,關(guān)節(jié)點的位置與人體的真實關(guān)節(jié)點位置基本吻