大規(guī)模運動群體跟蹤和三維人臉姿態(tài)糾正的研究.pdf

1、大規(guī)模的運動群體是自然界中十分常見并壯觀的一種景象,常見的例予如飛行的鳥群、游動的魚群和前進的昆蟲群。這種現象很久以來就吸引了眾多領域的科學家,他們并提出了不同的理論模型米模擬這種群體運動行為。深入探索群體運動背后的規(guī)律,將會促進人類社會眾多領域的進展,如計算機科學、醫(yī)學和物理學等。而探索中最關鍵的一步就是測量并分析真實自然界中群體運動的數據。近年來,隨著計算機科學領域的迅速發(fā)展,通過視頻攝像機,利用計算機視覺技術來測量群體中每個個體的

2、運動已經成為可能。
　　但是用計算機視覺技術來自動、準確地測量群體運動的軌跡是個十分有挑戰(zhàn)性的任務。其中最為關鍵的兩個難點是:1)群體中的個體數量和密度很大,一般從數百到上千只,用視頻攝像機拍攝其運動時,在數字圖像上將存在頻繁的遮擋,這對可靠的跟蹤每個個體的位置帶來了極大困難;2)運動的群體中包含了形狀和紋理都十分相似的個體,現有基于圖像紋理特征的物體檢測和匹配算法將難以適用。為了解決這些困難,本論文提出了兩種自動、可靠并準確的大

3、規(guī)模運動群體跟蹤算法,并分別用來跟蹤兩種群體運動,即三維空間中飛行的大規(guī)模果蠅群和兩維淺水中大規(guī)模游動的魚群。
　　通過兩個視頻攝像機在不同視角拍攝飛行的運動群體,本文提出的三維群體跟蹤算法將問題建模為解決三個最大后驗概率問題(maximumaposterior,MAP)。第一個MAP問題用于跟蹤每個視頻序列中的每個運動目標,并可以有效的處理因遮擋帶來的跟蹤難點。第二個MAP則通過融合空間中的幾何約束和運動約束,提出了一種基于最大

4、共極線運動長度的特征來可靠地匹配不同視角中紋理特征相似的個體;第三個MAP用來處理兩維跟蹤錯誤導致的不完整的三維軌跡片段。通過將MAP轉化為線性分派問題(linearassignmentproblem,LAP),該方法可以實現快速的計算。利用這種算法,我們成功獲取了將近五百只果蠅的三維飛行軌跡。
　　魚群的跟蹤同樣十分具有挑戰(zhàn)性。和果蠅類似黑色粒子的形狀不同,魚的外形呈現桿狀(rod),這就意味著當魚群密度很大時,個體之間將會出現

5、更長時間、更為頻繁的遮擋。本論文提出的方法首先通過對魚的外形進行建模,提出了使用了基于局部特征的個體檢測方法,它通過利用融合檢測到的角點和邊緣信息,即使在頻繁嚴重的遮擋下,依然能夠很準確的檢測到每個個體的位置。接著我們設計了參數自適應的濾波器來估計個體的復雜運動狀態(tài),提出的數據關聯算法可以處理大部分短時間的遮擋。為了處理長時間的遮擋帶來的難點,我們提出了利用軌跡片段的時間信息、運動信息和角度信息來估計遮擋期間的位置。我們將該算法用于跟蹤

6、實驗室環(huán)境下不同密度的魚群運動,和手工標定的真實數據進行比較的結果證明了該算法的魯棒性和準確性。
　　隨著三維成像技術的快速發(fā)展,三維人臉越來越廣泛應用于更多的場合,如何從獲取的三維原始數據中檢測分割出人臉并進行姿態(tài)糾正,是眾多三維人臉應用中十分關鍵的一步。而原始數據中常見的各種干擾,如表情、頭發(fā)和衣服等,為這個問題帶來了很多難點。針對這些問題,本文提出了一個自動、準確的三維人臉檢測和姿態(tài)糾正算法,它通過在尺度空間上對人臉三維曲面