基于的人體骨架步態(tài)協(xié)同研究

基于的運(yùn)動(dòng)分析是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的重要課題之一，其研究在的特征點(diǎn)進(jìn)行位置角度信息的提取。最后，在平臺(tái)上建立基于群組關(guān)系的三維虛擬動(dòng)畫模型，將作為接口、特征點(diǎn)位置角度信息作為輸入本文的研究對(duì)骨架模型的描述方式以及計(jì)算機(jī)動(dòng)畫制作方式的發(fā)展具 HUMANBODYSKELETONEXTRACTIONANDSYNERGYKINEMATICSBASEDON-basedhumanmotionysisisoneoftheimportanttopicsinthefieldofcomputervisionresearch,theresearchonhumananima、、puterinctionsurveillancesportsysisbothhavebroadapplicationprospects.Thisarticlefromtheissuebasedonimage 、puter 、puteranimation、kinematicsbonesandotherdisciplines,combinedwiththedevelopmentdirectionofthefieldofcomputeranimation,basedonhumanskeletonextractionandsynergisticwaygaitwerestudied.First,acolorimagesequenceprocessing,grayscaleimageconversion,regularnoisefiltering,framedifferencemethodtodeterminethebackgroundmodel,backgroundsubtractionmethodtodefinethemotionpicturearea,morphologicalprocessing,edgedetectionstep,clearlyandaccuraydefinesthetargethumangaitsilhouette.Secondly,throughtheysisofthemaincurrentofhumanskeletonextractionalgorithm,combinedwithhumanskeletoningaitcoordinationofcritical,proposedthe"Starofthehumanskeletonmodelwiththeknee."Then,combiningthetheoryofgaitkinematicsbonecollaborativemanneronthe positionprocess,namely:movementjoints,bonesaction,athleticstance.Andusingquaternions,thefeaturepointsofthestarwithkneehumanskeletonextractionpositionangleinformation.Finally,basedonthethree-dimensionalvirtualanimationtformmodelgrouprelations,astheinterfaceangleoffeaturepointinformationofavirtualcharacterasaninputsignaliscontrolledsothatthemotioninapredeterminedposture,gaitachievesynergy.Thisstudyhassignificanceforthedescriptionofthehumanskeletonmodelandthedevelopmentofcomputeranimationapproach.:Starskeletonwithkneejoint,Synergykinematics,Featurepoints,Quaternion,Virtualreal前 緒 課題研究背 研究現(xiàn) 基于的運(yùn)動(dòng)分析的發(fā) 基于的骨架提取與應(yīng) 骨架在動(dòng)畫制作上的發(fā)展與應(yīng) 課題研究?jī)?nèi) 結(jié)構(gòu)安 基于定義目標(biāo)步態(tài)輪 引 序列預(yù)處 定義源背景模型及檢 幀差 背景模型建 檢測(cè)方法——背景差分 定義目標(biāo)步態(tài)輪 形態(tài)學(xué)處 邊緣檢 小 主副骨架相結(jié)合的目標(biāo)骨架提 引 骨架的概念及基本骨架提取 帶膝關(guān)節(jié)的星形骨架模 主骨 副骨 帶膝關(guān)節(jié)的星形骨 小 基于四元數(shù)的骨架特征點(diǎn)信息提 引 特征點(diǎn)定義與協(xié)同方式的研 基于四元數(shù)的特征點(diǎn)位置角度矢量信息提 四元數(shù)的定義及應(yīng) 特征該位置角度矢量信息提 小 引 虛擬現(xiàn)實(shí)工具 基于群組關(guān)系的三維虛擬動(dòng)畫人物模 利用實(shí)現(xiàn)虛擬現(xiàn)實(shí)仿真接 實(shí)驗(yàn)效 小 總結(jié)與展 總 展 參考文 致 譯文及原 附錄（主要程序 基于的骨架提取、識(shí)別與個(gè)性化處理是以計(jì)算機(jī)圖像處理為基礎(chǔ)的本文研究的基于的骨架提取與分析是計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)運(yùn)動(dòng)捕捉和分析的研究始于20世紀(jì)80年代初，基于視覺(jué)的運(yùn)動(dòng)活躍的研究領(lǐng)域[3]。運(yùn)動(dòng)捕捉(humanmotioncapture,HMC）涉及到計(jì)算機(jī)視覺(jué)的許多基本問(wèn)題,如運(yùn)動(dòng)檢測(cè)、目標(biāo)識(shí)別、剛體和非剛體、場(chǎng)景恢復(fù)與表示、多機(jī)數(shù)據(jù)融合等[4]?；诠羌艿哪繕?biāo)表示和識(shí)別技術(shù)成為模式識(shí)別2060年代起，計(jì)算機(jī)開始與動(dòng)畫制作相結(jié)合成為計(jì)算機(jī)動(dòng)畫[5]。屬于計(jì)算機(jī)在藝術(shù)范疇上的一個(gè)突破性的。21世紀(jì)初期基于運(yùn)動(dòng)捕捉的計(jì)算使從體育運(yùn)動(dòng)、經(jīng)典影視、歷史記錄資料等源中獲取豐富的運(yùn)動(dòng)數(shù)據(jù)成為可能,從而為計(jì)算機(jī)動(dòng)畫和游戲應(yīng)用開辟了新的道路，增加了無(wú)限的可能[3]基于的運(yùn)動(dòng)分析的發(fā)基于的運(yùn)動(dòng)的視覺(jué)分析是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的重要課題之一，也含人的圖像序列中檢測(cè)、識(shí)別、，并對(duì)其行為進(jìn)解和描述。[7][8]運(yùn)的交互行為2．基于的運(yùn)動(dòng)分析可大致分為兩種4：附加在上,就能夠恢復(fù)復(fù)雜序列中多自由度骨架模型的運(yùn)動(dòng)結(jié)構(gòu)。常還需要結(jié)合紋理、色彩及形狀特征來(lái)提高的魯棒性。[10][11]21世紀(jì)初期，我國(guó)加速了步態(tài)技術(shù)的研究，中國(guó)自動(dòng)化對(duì)步態(tài)態(tài)分析識(shí)別算法，并且獲得較高的識(shí)別率[12]?；诘倪\(yùn)動(dòng)作為近年基于單目的方法、基于多目的方法以及利用kinect獲取景深數(shù)據(jù)的方法[13][14]。而基于單 運(yùn) 得該技術(shù)具有極大的[15]基于的骨架提取與應(yīng)在步態(tài)分析中，最有效的特征之一就是骨架，經(jīng)常應(yīng)用于目標(biāo)對(duì)1967Blum等學(xué)者提出了中軸這一概念[16]1973年Blum等人又提出了基于火燒草模型的骨架提取方法[17]?；馃菽Ｐ吞岢龊螅髟淼墓堋鸥鞅裙羌躘18][19],同年學(xué)者Rumpf等人提出基于水平集的[21],2005年學(xué)者趙等人提出了一種關(guān)于二值圖像的魯棒性骨架提取算法[22],在2006年學(xué)者等人提出基于邊界曲線演化模型的生長(zhǎng)骨架算法[23],2007年學(xué)者等人提出基于離散曲線演化的輪廓分割的骨架修剪方法[24]。同年等人提出離散骨架進(jìn)化方法[25],2010Jiang等人提出基于無(wú)線傳感器網(wǎng)絡(luò)基于的運(yùn)動(dòng)分析現(xiàn)如今應(yīng)用在很多研究領(lǐng)域中，總結(jié)起來(lái)有幾大方識(shí)別是指在序列中自動(dòng)提取表征人步行特征的視覺(jué)線索以達(dá)到鑒別人的身身體各個(gè)關(guān)節(jié)之間的夾角。通過(guò)這些姿態(tài)參數(shù)可以在三中重建的運(yùn)目前,在數(shù)字化的分析、處理及制作過(guò)程中,Flash,Maya,3DMax等商flashPS.軟件一幀一幀完成的，沒(méi)有任何2D動(dòng)畫制作方式。3D2D動(dòng)畫而言簡(jiǎn)便一些，可以利用Maya3DMAX3D動(dòng)畫制動(dòng)畫的思想。52003年羅忠祥、挺等學(xué)者又提出了提出了新的基于的人體動(dòng)畫技術(shù),從中捕獲運(yùn)動(dòng),然后將編輯處理后的運(yùn)動(dòng)重定向到動(dòng)畫角色,產(chǎn)生滿足動(dòng)畫師要求的動(dòng)畫片。62008年、潘學(xué)者研究了把現(xiàn)有的運(yùn)動(dòng)數(shù)據(jù)重新定向到新的動(dòng)畫角色對(duì)象上的方法。通過(guò)這種方法,動(dòng)畫師能夠利用現(xiàn)存的BVH運(yùn)動(dòng)數(shù)據(jù)去創(chuàng)造新的動(dòng)畫。312012年和學(xué)者等人步態(tài)檢測(cè)(Gait就是步態(tài)檢測(cè)是在圖像序列中將步態(tài)輪廓區(qū)域從背景圖像中提取出 步態(tài)表征(Gait指的是應(yīng)用某些和步態(tài)算法提取要檢測(cè)的特征點(diǎn)信息來(lái)表示目步態(tài)協(xié)同（GaitSynergism屬于基于的骨架提取的一種應(yīng)用。所有姿態(tài)的協(xié)同運(yùn)動(dòng)都可以第五章：基于骨架步態(tài)協(xié)同在虛擬現(xiàn)實(shí)工具箱中的實(shí)現(xiàn)。定義目標(biāo)輪廓是對(duì)內(nèi)目標(biāo)分析的前提，也是帶人物的圖像處理終定義了清晰、準(zhǔn)確的目標(biāo)步態(tài)輪廓。流程如圖2-1所示約束的最小二乘方濾波）法對(duì)灰度圖像進(jìn)行噪聲濾除。1)提出了約束，因此需要尋找準(zhǔn)則函數(shù)CC的定義為：(2-2)的變換frRANGE參數(shù)度快、算法簡(jiǎn)單、計(jì)算量小。其基本算法流程如圖2-2所示 2-2·in 其中 為差分圖像的灰度 為該像素的空間坐標(biāo)

(2-即 (2-4)2-4中，表示當(dāng)前像素，為二值化處理中的閾值。2-3所示的直方圖有兩個(gè)不同的模式，我們可很容易地選取一個(gè)閾值T在實(shí)際中利用第法是可以分析直方圖來(lái)獲取閾值T，但是并非可以總 所有可能的灰度級(jí)數(shù)。假設(shè)現(xiàn)在已經(jīng)選定一個(gè)閾值kC0是一組灰度級(jí)為 (2-6) (2-7) (2-8) (2-9)整幅圖像總的均值為 (2-10)對(duì)任意k都能使下式成立 (2-11)BB(2-12)滿足條件的k值為： (2-13)2-42-5所 A第k-1幀圖 B第k幀圖CCD背景差分法是采用圖像序列中的當(dāng)前幀和背景參考模型比較來(lái)檢測(cè)運(yùn)動(dòng)物體。景分檢運(yùn)目速快檢準(zhǔn)，于現(xiàn)其關(guān)是背景圖像的獲取。在基于背景差分方法的運(yùn)動(dòng)目標(biāo)檢測(cè)中，背景圖像的建模和模擬的準(zhǔn)確程基26所示假設(shè)，某幀圖像背景模型為，當(dāng)前幀，則差分圖(2-14)(2-15) 16)置組成的集合，其中映射并平移的B至少與A的某些部分。目標(biāo)物體接觸中，A被B腐蝕記為： 17) 18)果如圖2-7。 圖2-7形態(tài)學(xué)處理效果對(duì)比圖 臺(tái)階模 斜坡模 屋頂邊緣模2-8通過(guò)中的庫(kù)函數(shù)bwmorph對(duì)處理后的二值圖像進(jìn)行輪廓的檢測(cè)以及提取。效果圖如圖2-9所示。圖2-9目標(biāo)步態(tài)輪清晰、準(zhǔn)確地定義了目標(biāo)步態(tài)輪廓。在數(shù)學(xué)形態(tài)學(xué)及圖像處理領(lǐng)域中，骨架作為一種降維描述姿態(tài)的方式，方法有：星形骨架法、中軸變換法、Apar區(qū)域法、細(xì)化法。征點(diǎn)）控制進(jìn)行運(yùn)動(dòng)，所以骨架的優(yōu)劣直接影響了中軸變換法（MAT）Blum1961體形狀骨架最為常見(jiàn)的方法，中軸可以認(rèn)為是精確定義的骨架。尋找邊界的BMAT）3-1顯示了使用歐式距離的一些3-1簡(jiǎn)單區(qū)域的中軸（虛線B（二維下是一個(gè)圓盤）X內(nèi)的其他球包BBBB'XB'BX的骨架SXXSXpX|r0,Bp,rmaximalballofX一種輪廓標(biāo)記區(qū)域，更好地識(shí)別和標(biāo)記部位。Apar區(qū)域，是指兩條反Apar區(qū)域做近似的標(biāo)定。圖3-2所示利用六個(gè)Apar區(qū)域組成的模型。2236541根據(jù)區(qū)域輪廓上點(diǎn)的鏈碼方向變化，提取出待篩選的轉(zhuǎn)折點(diǎn)；對(duì)Apar區(qū)域的檢測(cè)和篩選來(lái)確定身體的各個(gè)部位以及身體的各個(gè)部Apar區(qū)域，虛線表示這個(gè)區(qū)域的中線。以此類推可以求出意在劃分部分區(qū)域，而對(duì)特征點(diǎn)的提取效果并不理想。3-3Apar在基于骨架的運(yùn)動(dòng)理解、分析、研究中，得到理想的物體骨架具有重根據(jù)的特征，首先根據(jù)3-1計(jì)算出輪廓所圍成的區(qū)域中心，即目標(biāo)重心，然后利用3-2計(jì)算出輪廓上每一個(gè)像素點(diǎn)到重心的 2)N是區(qū)域邊界點(diǎn)的總個(gè)數(shù)，xiyi是目標(biāo)邊界上的點(diǎn)。最后定義Di，利用庫(kù)函數(shù)findpeaksDi的局部極大值作為極值點(diǎn)。把這些點(diǎn)和重心連接起來(lái)，就構(gòu)成了星形骨架。提取效果如圖3-4所示。 3-4于強(qiáng)求。如圖3-4，骨架圖像中沒(méi)有顯示的關(guān)節(jié)點(diǎn)（如膝關(guān)節(jié)，而膝關(guān)節(jié)1，且背景3-5（b）Tp1p2p4p6p4p6p8Np1p2p3p8

如，圖3-6Np14Tp13。圖3-6(3-3中條件(a)和(b)的說(shuō)

在這種考慮下，對(duì)于二值區(qū)域的每個(gè)邊界像素使用第1步。如果條件（a）（1此時(shí)算法結(jié)束，生成了區(qū)域的骨架。操作結(jié)果如圖3-7所示3-7易地提取出所需要的特息。在本文帶膝關(guān)節(jié)的星形骨架模型中，表1正常身高比例利用誤差匹配法尋找出分布在左右腿上，距離0.285H最近的兩個(gè)點(diǎn)，作為目標(biāo)3-8帶膝關(guān)節(jié)的星形骨基于骨架的分析、協(xié)同奠定了基礎(chǔ)。帶膝關(guān)節(jié)的星形骨架模型如圖3-9所 帶膝關(guān)節(jié)的星形骨架模型能夠在有效地基于圖像源目標(biāo)輪廓進(jìn)行骨3-113-123-13所示。圖3-11原始彩圖圖3-12運(yùn) 1所示 ——帶膝關(guān)節(jié)點(diǎn)的星形骨架模型。在基于骨架的個(gè)性化步態(tài)協(xié)同研究74-2數(shù)，四元數(shù)q表示為： (4-1)由于的性質(zhì) 寫成一個(gè)向量和一個(gè)實(shí)數(shù)的組合

(4-在本文中，把作為骨架繞關(guān)節(jié)點(diǎn)的旋轉(zhuǎn)軸，而則為旋轉(zhuǎn)角。其中膝關(guān)節(jié)點(diǎn)。如圖4-3圖4-4所示為了計(jì)算簡(jiǎn)單、控制方便，默認(rèn)每個(gè)旋轉(zhuǎn)骨架的旋轉(zhuǎn)軸為X軸。因此每個(gè)旋轉(zhuǎn) 則在某一時(shí)間點(diǎn)k的某一旋轉(zhuǎn)骨架的四元數(shù)可以表示為： (4-4)XY正（如圖4-4），偏向Y軸負(fù)半軸則為負(fù)（如圖4-3圖4- 在基于的骨架分析中，給定目標(biāo)體（即目標(biāo)）的桿件（即骨架）位置矢量信息在控制目標(biāo)體上面起決定性的作用。由于在步態(tài)運(yùn)動(dòng)過(guò)程中，介紹特征點(diǎn)角度的計(jì)算方法：為。然后根據(jù)勾股定理及正弦定理可以就得角度信息。見(jiàn)(4- (4-6)圖4-2所示。X軸為旋轉(zhuǎn)軸，雙手、雙膝以骨架重心為旋轉(zhuǎn)中心，雙腳與相應(yīng)腿部膝圖4-

圖4- 現(xiàn)實(shí)工具軟件（如VRP）開發(fā)產(chǎn)品往往周期長(zhǎng)、耗費(fèi)大量的精力在算法程序編寫和過(guò)控制上，而和VR的有效結(jié)合則可以大大提高虛擬現(xiàn)實(shí)場(chǎng)景下本章將基于前面章節(jié)帶膝關(guān)節(jié)的星形骨架模型以及特征點(diǎn)信息變量四元數(shù)，建立基于群組關(guān)系的三維虛擬動(dòng)畫人物模型，并利用V-RealmBuild是matrix laboratory的縮寫最初由LINPACK和EISPACK開發(fā)，最初用于矩陣處理。如今，應(yīng)用廣泛，其中包括信號(hào)處理、通信圖像的一個(gè)重要特點(diǎn)是可擴(kuò)展性作為和其它所有MathWorks產(chǎn)品的基礎(chǔ)可以通過(guò)附加的工具箱（Toolbox）實(shí)現(xiàn)特定功能的函數(shù)的集合，其中虛擬現(xiàn)實(shí)工具箱就是眾多工具箱中現(xiàn)身。中的虛擬現(xiàn)實(shí)工具箱可以在 調(diào)整并控制3D界面，并借由VRML（VRBuild軟件）所構(gòu)成的虛擬可 V-RealmBuildV-RealmBuild是一個(gè)三維模型設(shè)計(jì)開發(fā)軟件，其內(nèi)部提供了強(qiáng)大的三維物了三維模型的創(chuàng)造過(guò)程。V-RealmBuild2.0是可以直接在工作區(qū)用口，用戶可以直接設(shè)計(jì)和編輯每一個(gè)節(jié)點(diǎn)和群組也可以在中的workspace上直接進(jìn)行編輯和調(diào)用。初始編輯界面如圖5-1所示。5-1V-RealmBuild 本部分將根據(jù)第四章提取的骨架特征點(diǎn)及特征角度信息，以V-RealmBuild為工具，結(jié)合運(yùn)動(dòng)學(xué)中對(duì)正常運(yùn)動(dòng)特性的描述，建立一個(gè)和正5-25-2（transform（group（children模型將整個(gè)人物算作一個(gè)大的群組（G_all，而這個(gè)群組是以人物胸部中，膝關(guān)節(jié)點(diǎn)旋轉(zhuǎn)中心是人物重心而腳部的旋轉(zhuǎn)中心為相應(yīng)腿部的膝關(guān)節(jié)5-3、5-4圖5-4三維虛擬模型在V-RealmBuild中的建虛擬現(xiàn)實(shí)工具箱與的應(yīng)用接口是通過(guò)中有關(guān)虛擬現(xiàn)實(shí)工具箱的模塊來(lái)實(shí)現(xiàn)的。中有關(guān)虛擬現(xiàn)實(shí)工具箱的模塊如圖5-5所示模塊和VRSource模塊,VRSource模塊提供從虛擬世界到輸入的用鼠標(biāo))。信號(hào)模塊包括VRceholder(占位符)和VRsignalExpander(信號(hào)放大圖5-5中虛擬現(xiàn)實(shí)工具箱的模接下來(lái)就可以利用虛擬現(xiàn)實(shí)工具箱導(dǎo)入三維虛擬動(dòng)畫人物了,然后用模塊控制動(dòng)畫人物運(yùn)動(dòng)。主要步驟如下:VRSink模塊到新建的程序窗口中。當(dāng)關(guān)閉接口框后,VRsink模塊中就會(huì)出現(xiàn)與所選標(biāo)記點(diǎn)相關(guān)輸入端口,點(diǎn)的位置角度信息5-6接下來(lái)向這些端口中輸入一定的信號(hào)就可以實(shí)現(xiàn)虛擬模型的可視VRsink5-8所示。再按5-8本章介紹了虛擬現(xiàn)實(shí)工具箱的發(fā)展及應(yīng)用。提出了基于群組關(guān)系的三維虛擬動(dòng)畫人物模型，在中進(jìn)行步態(tài)協(xié)同控制，并利用V-RealmBuild虛擬現(xiàn)實(shí)編輯器得以實(shí)現(xiàn)。的發(fā)展方向，對(duì)基于的骨架提取以及步態(tài)協(xié)同方式進(jìn)行了研究。對(duì)(1)定義目標(biāo)的輪廓：定義目標(biāo)輪廓是對(duì)內(nèi)目標(biāo)分析的前提，也是帶人物的圖像處理的第一步，清晰、準(zhǔn)確、快速的輪廓提取對(duì)于后本文通過(guò)對(duì)彩圖像進(jìn)行序列化處理、灰度圖像轉(zhuǎn)化、圖像源濾波目標(biāo)步態(tài)輪廓。(2)骨架和特征點(diǎn)的提?。旱墓羌芎吞卣鼽c(diǎn)是的運(yùn)動(dòng)姿態(tài)的重要信息，合理的骨架模型建立和特征點(diǎn)的提取可以有效地減少信息的量，率。并基于該模型提取了適用于骨架分析、協(xié)同的6個(gè)特征點(diǎn)，6個(gè)特(3)的步態(tài)協(xié)同分析與實(shí)現(xiàn)：骨架運(yùn)動(dòng)可以廣義劃分為三個(gè)層次：關(guān)節(jié)復(fù)雜背景下目標(biāo)的檢測(cè)。本文中的實(shí)驗(yàn)環(huán)境是比較理想的，而實(shí)際當(dāng)中環(huán)境是無(wú)法。光照變化、外物遮擋、機(jī)運(yùn)動(dòng)、雜亂背景以及人與背景顏色相近等問(wèn)題都會(huì)影響目標(biāo)的檢測(cè)。到目前為止，還沒(méi)有能適應(yīng)所有情況的算法，為了可以實(shí)現(xiàn)復(fù)雜背景下的檢測(cè)，還需要從簡(jiǎn)到繁，骨架提取算法的普適性：本文中的“帶膝關(guān)節(jié)的星形骨架模型”是基于正常成人而提出骨架提取算法，而人群中除了正常成人，還包括兒童、特征點(diǎn)選取與信息提取。運(yùn)動(dòng)骨架特征點(diǎn)所包含的信息，可以簡(jiǎn)潔、直接地描述目標(biāo)的運(yùn)動(dòng)姿態(tài)與規(guī)律，的運(yùn)動(dòng)姿態(tài)包含幾十個(gè)自由度，本文中僅僅提取了簡(jiǎn)單的可以大致描述步態(tài)特征的6個(gè)特征點(diǎn)的位置角度信息（四元數(shù)）作為協(xié)同依據(jù)，如果想更加完善地對(duì)運(yùn)動(dòng)姿態(tài)進(jìn)行分析，還需對(duì)特征點(diǎn)提取方案以及特息方法進(jìn)行改進(jìn)和提高。[1]WangLiang,HuWeiming,TanTieniu.Recentdevelopmentsinhuman ysis[J].PatternRecognition,2003,36(3):585-601.[2].運(yùn)動(dòng)分析研究的若干新進(jìn)展[J].模式識(shí)別與人工智能2000,[3].基于序列的骨架提取與三維重建[D].大連理工大學(xué),[4]李豪杰.基于的運(yùn)動(dòng)捕捉綜述[J].計(jì)算機(jī)研究與發(fā)展,2006,18(11):1645-1651.[5]挺,,.一種基于的動(dòng)畫骨架提取技術(shù)[J].計(jì)算機(jī)研究與發(fā)展,2000,37(4).[6]挺劉豐.基于的動(dòng)畫[J].計(jì)算機(jī)研究與發(fā)展,2003,40(2):269-276.2006,27(20):3901-[8]GavrilaDM.Thevisualysisofhumanmovement:Asurvey[J].ComputerVisionandImageUnderstanding,1999,73(1): .單目運(yùn)動(dòng)和獲取技術(shù)研究[D].中國(guó)院,2005. 挺劉豐.基于的運(yùn)動(dòng)捕獲[J].中國(guó)圖象圖形學(xué)報(bào),2002,7(8). .基于步態(tài)的骨架識(shí)別技術(shù)的研究[D].中學(xué), .圖像序列中的運(yùn)動(dòng)分析[D].西安電子科技大學(xué), 林海波梅為林.基于Kinect骨骼信息的機(jī)械臂體感交互系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(2). .基于sift特征匹配的上半身三維運(yùn)動(dòng)[J].計(jì)算機(jī)仿真,2012,HarryBlum.Atransformationforextractingnewdescriptorsofshape[C]//In:WeiantWhaten一dunn.ModelsforthePerceptionofspeechandVisualForm.Cambridge,MITPress,1967:362一380HarryBlum.Biologicalshapeandvisualscience(Partl)[J].JournalofTheoreticalBiology,1973,38(2):205一287K.Siddiqi,S.Bouix,A.Tannenbaum,S.W.Zueker.Hamilton一JacobiSkeletons[JInternationalJournalofComputerVision,2002,48(3):215231.P.Dimitrov,C.Phillips,K.Siddiqi.RobustandEfficientSkeletalGraphs[C].Proe.ComputerVisionandPattemRecognitionConf,2000,vol.1,417一423.MRumpfA.eaAcontinuousskeletonizationmethodbasedonlevelSets[CProc.ofSymposiumonDataVisualisationBareelona,Spain,2002:151一158.Wai-pakChoiKin-ManLam,Wan-ChiSiuExtractionoftheEuclideanSkeletonbasedonaconnectivitycriterion[J].PatternRecognition,2003,36(3):721一729.趙,施文康,.具有魯棒性的圖像骨架提取方法[J].計(jì)算機(jī)應(yīng)用,2005,25(6):13051306.,,.基于邊界曲線演化模型的生長(zhǎng)骨架算法[J].自動(dòng)化學(xué)報(bào),2006,32(2):255262XiangBai,LonginJanLateckiandWen-YuLiuSkeletonPruningbyContourPartitioningwithDiscreteCurveEvolution[J].IEEETransactionson ysisAndMachineInligence,2007,29(3):449一46XiangBai,LonginJanLatecki.Discreteskeletonevolution[C].Proceedingsofthe16thinternationalconferenceonEnergyminimizationmethodsincomputervisionAndPatternrecognition,BerlinHeidelberg,2007:362一374陳展展.基于輪廓和骨架的形狀描述與匹配研究[D].大學(xué),報(bào),2006,筱.圖像序列中人的姿態(tài)估計(jì)與動(dòng)作識(shí)別[D].理工大學(xué).虛擬人動(dòng)畫自動(dòng)生成算法[D].交通大學(xué),潘.基于運(yùn)動(dòng)捕獲數(shù)據(jù)的三維角色動(dòng)畫設(shè)計(jì)[J].界,和,郝愛(ài)民,,,.一種運(yùn)動(dòng)骨骼提取和動(dòng)畫自動(dòng)生成方法[J].計(jì)算機(jī)研究與發(fā)展,2012,49(7):1408-1419. （美）.數(shù)字圖像處理[M].第3版.:電子工業(yè)工大學(xué),.基于的機(jī)器人虛擬現(xiàn)實(shí)仿真研究[D].哈爾濱工程大學(xué).2007.20131220115出初在此，首先我要感謝信息學(xué)院教授和丁永生教授在畢業(yè)設(shè)計(jì)期間對(duì)我下手，感覺(jué)重重的時(shí)候，郝老師和丁老師在幫助我找到正確的方向的同時(shí)不推托，即使是3月份以及畢業(yè)了，還是會(huì)在百忙中抽出時(shí)間為我答疑解惑。Hironobu AlanJ.使用靜態(tài)圖像。但是，檢測(cè)和分析的人在圖像的實(shí)時(shí)運(yùn)動(dòng)，因?yàn)镻finder[9]和W4[4]算法最近慢慢可行。于人類的認(rèn)識(shí)和分析問(wèn)題來(lái)說(shuō)這些算法的一個(gè)類為不同的類型。在一些實(shí)時(shí)應(yīng)用，如室外，這是不太可能會(huì)有足夠的個(gè)想法是一個(gè)簡(jiǎn)單的形式化僅提取廣泛的內(nèi)部運(yùn)動(dòng)一個(gè)目標(biāo)特征可以采用LO分這些目標(biāo)的處理圖像和第4節(jié)介紹了運(yùn)動(dòng)分析。系統(tǒng)的分析和結(jié)論在5、64]中提到的，是企圖使背景減法更魯n對(duì)于每個(gè)像素值第幀，正在運(yùn)行的平均和形式標(biāo)準(zhǔn)偏差的時(shí)間濾波保持過(guò)濾器的形式 其 是一個(gè)時(shí)間常數(shù)，可以配置優(yōu)化系統(tǒng)的行為濾波器的實(shí)現(xiàn) 2U，多假設(shè)的方法用于確定其行為。一個(gè)統(tǒng)計(jì)學(xué)的新組（，）是該像素值原套的。如果，在時(shí)間，的像素值不返回到其原始統(tǒng)計(jì)值，新的統(tǒng)計(jì)數(shù)字替代更持久的變化（在之后）過(guò)程如圖1所示。

1確定一個(gè)移動(dòng)目標(biāo)運(yùn)動(dòng)的重要方式就是利用其邊界的形狀變化來(lái)提取其骨2圖像中目標(biāo)邊界的質(zhì) 的計(jì)算方式如下其中是平均像素點(diǎn)的位置，是邊界像素點(diǎn)的個(gè)數(shù)，是一從質(zhì) 到邊界上每個(gè)像素 的距 計(jì)算方式如下（4其 為一維函數(shù)，函數(shù)周期 使用一個(gè)線性低通濾波器或在域平滑濾波對(duì)信號(hào) 以局部極大 作為極值點(diǎn)，連接目標(biāo)質(zhì) 構(gòu)成“星形”骨架由2這種功能可以直接檢測(cè)規(guī)模通過(guò)改變低通濾波器的截止頻率c配置濾波器。圖顯示了兩個(gè)平滑版本的c：c=0.01×Nbc=0.025Nb是保留在9,5,4]，需要先驗(yàn)人類模型分析人類活動(dòng)。利用骨架提取方3以確定人類的運(yùn)動(dòng)的。 都在同一物理支點(diǎn)進(jìn)行，但是運(yùn)動(dòng)的循環(huán)結(jié)構(gòu)仍然是明顯的從這一點(diǎn)上的運(yùn)動(dòng)如 是極值集點(diǎn) 是根據(jù)下列條件選擇，如圖五所示然后 與垂直方向的夾角

5可以近似通過(guò)對(duì)目標(biāo)的最上層的極值點(diǎn)的角來(lái)確定運(yùn)動(dòng)的是的軀干傾斜。這角可以完全相同的方式確定，圖5（b）。圖6顯示了骨骼運(yùn)動(dòng)序列在循環(huán)點(diǎn)行走和跑步和的值。這些數(shù)據(jù)中獲得實(shí)時(shí)的幀速率8Hz。在視覺(jué)的角度來(lái)看）見(jiàn)的人。如果在跑步時(shí)，身體會(huì)向前傾，往往反映這一整體的。另一個(gè)特作為一個(gè)很好的對(duì)運(yùn)動(dòng)的速度的度量。比較圖6、7中的平均值，表明軀 6利用偏移值如圖6（c）-（d）具有明顯的周期性，。一般量化這些信號(hào)，常用方法是強(qiáng)調(diào)的主要周期分量，與相關(guān)，設(shè)為新的信號(hào)變性6[分貝/月]在圖7（d）的情況下。為了緩解這個(gè)問(wèn)題，高頻率的預(yù)加重濾波器應(yīng)用于信號(hào)在自相關(guān)時(shí)。過(guò)濾器的使用：7（g）顯示主要可以很容易地提取從這一處理信號(hào)的循環(huán)成分的

7動(dòng)分類被偏置會(huì)導(dǎo)致嚴(yán)重的低頻噪聲。不過(guò)，圖9（b）顯示的是如何有效的利同的“'類型”運(yùn)行如慢跑或沖刺。每個(gè)序列，平均傾角上的極值點(diǎn)（或個(gè)垂直的。圖9單個(gè)流譜的功率分析運(yùn)動(dòng)是一個(gè)復(fù)雜的應(yīng)用問(wèn)題。在真實(shí)世界中適用在計(jì)算上是廉從“星形”骨架確定姿態(tài)測(cè)量的傾角，來(lái)提取出決定運(yùn)動(dòng)狀態(tài)的因素。此：用來(lái)描述的三維模型，并可以直接計(jì)算使用的幾何語(yǔ)言。首先，關(guān)節(jié)點(diǎn)驅(qū)動(dòng)同規(guī)則。最后得到三維骨架及相應(yīng)的之間的良好匹配。同時(shí)，這些關(guān)節(jié)：變成了可能。在這樣的背景下，注重外觀的MTM和虛擬服裝店提供對(duì)公眾掃描儀，和模擬真實(shí)通過(guò)動(dòng)畫技術(shù)動(dòng)作。但三維掃描技術(shù)也有一些缺點(diǎn)，如需要大量的數(shù)據(jù)[1]。另一個(gè)是骨骼的運(yùn)動(dòng)通常是基于人類的骨架模型的描述和二 骨架模型的2D平臺(tái)，很難顯示的人運(yùn)動(dòng)等的方式，體3D運(yùn)動(dòng)骨架以及對(duì)運(yùn)動(dòng)協(xié)同進(jìn)行分析。二、3D骨骼序做準(zhǔn)備。3DsMAXOBJNET和形成的骨架模型[3]。然后，產(chǎn)生關(guān)節(jié)驅(qū)動(dòng)模型動(dòng)畫。這本文采用共形幾何代1 節(jié)的位置來(lái)完成不同動(dòng)作。圖2和圖3分別顯示了模型和骨骼模型圖2模 圖3骨架模三維骨架節(jié)點(diǎn)的連接是根據(jù)自由度劃分和建立的，有單，雙三自由度運(yùn)動(dòng)模中關(guān)節(jié)變，使動(dòng)型得實(shí)。44D投影的擴(kuò)展。除了基本的點(diǎn)，線和面，球體和圓都是表除了3D基向量，再加入兩個(gè)基向量代表三維，代表在無(wú)窮3D5D空間。外積用^’’表示，內(nèi)積用·表示。GCA粗體字顯示在三中的原始幾何速X顯示在三中的n表明矢量在三，在這里表示在平面法線向量點(diǎn)（右 基本軸線系其中 用于指示在三維歐氏空間的肘關(guān)節(jié)和腕關(guān)節(jié) (b)本文對(duì)象站姿圖六下肢協(xié)調(diào)分析定髖關(guān)節(jié)，膝關(guān)節(jié)，踝關(guān)節(jié)0.47H，0.715H和0.961H。Z60°。第二步之后，踝關(guān)節(jié)位置是目標(biāo)姿c’’。的關(guān)鍵位置的圖像幀。圖8顯示相應(yīng)的骨架的序列圖像。7圖8相應(yīng)的骨架的序列圖為更好地顯示3D效果，F(xiàn)ig9顯示三種人類骨骼的不同角度。本研究具有一 圖9不同的骨nFrames=my.NumberOfFramesvidHeight=my.Height;vidWidth=my.Width;%Preallocatemoviestructure.source(1:nFrames)=...struct('cdata',zeros(vidHeight,vidWidth,3,'uint8'),...'colormap',[]);%Readoneframeatatime.fork=1:nFrames %%cdata代表中的數(shù)%movie(source,1,my %%噪聲功率為100時(shí)效果最接近原始效果sample%**********************%%白是1[255]黑是 B_next_gray=uint8(zeros(vidHeight,vidWidth));%下一幀背景圖像初始化 %首幀背景圖像初始化 %M輸出的二值圖像 %a學(xué)習(xí)速度0.9 %100左to右從16幀開 %位置pic\**.bmp %提取下一幀圖像 %ABS %%2550[10 %%1 forx=1:vidHeight% %=該區(qū)

%fory=1:vidWidthif

%二值函數(shù) % y軸YBW：輪廓BW1：干凈的輪廓BW2Bend:x_min=[];x_max=[];x_knee1=[];x_knee2=[];x_knee_jisuan=[];y_min=[];y_max=[];y_knee1=[];y_knee2=[];xe1=[];ye1=[];xt=[]; %x_top=[];% forq=1:nFramesk1=strcat('pic\R\F',k,'.bmp');%位置pic\**.bmpBW=bwmorph(I,'remove');%輪廓 %去掉輪廓上的“毛刺” %%BW2=bwmorph(I,'skel',Inf);%%去掉骨架上的“毛刺” %clean刪除孤立的元素——去噪聲Bend=bwmorph(C,'endpoints');%發(fā)現(xiàn)骨架端點(diǎn)step1[x,y]=find(BW1==1);%查找其中的白域，r是白點(diǎn)的所在行組成的向量，c是白點(diǎn)所在的列組成的向量fori=1:length(y)%% xed1=sort(xe1,'descend');%xe+descend降序x_min(q)=xed1(nn);x_max(q)=xed1(1);ifcha<2%%開始判斷各 iffori=1:nifxed1(nn)==xe(i);%

%%雙腳ifn>=3 %xe+descend降序ifn>3ifyhd(1)==yh(i);%if

)%ifyf1<yf2%XB[右]腳

ifyh1>yh2%XB[左]手

%與右腳較近的是右膝

ifyf1>yf2%XA[右]腳

ifyh1>yh2%XA[左]手

%與右腳較近的是右膝

ififWangLiang,HuWeiming,TanTieniu.Recentdevelopmentsinhumanmotionysis[J].PatternRecognition,2003,36(3):585-.,.

.一種基于的動(dòng)畫骨架提取技術(shù)[J].計(jì)算機(jī)研究與發(fā)展,2000,,挺劉豐.基于的動(dòng)畫[J].計(jì)算機(jī)研究與發(fā)展,200