題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 面向體感游戲的人體運(yùn)動(dòng)生成方法
- 小類：
- 信息技術(shù)
- 簡(jiǎn)介：
- 本文針對(duì)動(dòng)作捕獲系統(tǒng)中的難點(diǎn)通過一種逆向外極限約束的多攝像機(jī)人體跟蹤算法進(jìn)行動(dòng)作捕獲，準(zhǔn)確、高效、實(shí)時(shí)地獲取跟蹤目標(biāo)的運(yùn)動(dòng)信息。同時(shí)提出了一種新的運(yùn)動(dòng)重定向算法來解決在3D地形約束條件下人體運(yùn)動(dòng)可能產(chǎn)生的失真現(xiàn)象。
- 詳細(xì)介紹：
- 面向體感游戲的人體運(yùn)動(dòng)生成方法的研究對(duì)實(shí)時(shí)3D體感游戲的開發(fā)有重要意義。 本文的研究目標(biāo)通過動(dòng)作捕獲技術(shù)及實(shí)時(shí)運(yùn)動(dòng)重定向技術(shù)，實(shí)現(xiàn)體感游戲中虛擬角色的運(yùn)動(dòng)的生成。 本文的研究方法為： （1）針對(duì)動(dòng)作捕獲中卡爾曼濾波算法的誤差累計(jì)及外極線的矩陣計(jì)算誤差，標(biāo)記點(diǎn)大小等的問題，提出了一種能夠有效解決當(dāng)前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，該算法結(jié)合了多視角幾何關(guān)系、卡爾曼濾波、外極限約束、逆向外極限約束和數(shù)據(jù)關(guān)聯(lián)等技術(shù)對(duì)人體運(yùn)動(dòng)軌跡進(jìn)行跟蹤捕捉。能夠高效、準(zhǔn)確地獲取人體標(biāo)記點(diǎn)的位置。 （2）提出了一種在3D地形約束條件下的運(yùn)動(dòng)重定向算法，通過對(duì)目標(biāo)人體的末端效應(yīng)器的調(diào)整，質(zhì)心的調(diào)整以及上體軀干姿勢(shì)的調(diào)整，使目標(biāo)人體的運(yùn)動(dòng)姿勢(shì)在3D地形下避免出現(xiàn)失真、抖動(dòng)現(xiàn)象。 最后，針對(duì)本文提出的人體運(yùn)動(dòng)生成方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，逆向外極線約束為中心的算法能準(zhǔn)確地跟蹤標(biāo)記點(diǎn)位置，提高了運(yùn)動(dòng)跟蹤效率。在重定向到3D地形條件下的目標(biāo)人體運(yùn)動(dòng)姿勢(shì)自然連續(xù)，未出現(xiàn)失真、抖動(dòng)現(xiàn)象。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 提出新的多攝像機(jī)人體跟蹤算法，能夠準(zhǔn)確、高效、實(shí)時(shí)地獲取跟蹤人體的運(yùn)動(dòng)信息。又提出了一種新的運(yùn)動(dòng)重定向算法來實(shí)現(xiàn)在3D地形約束條件下人體自然運(yùn)動(dòng)。 寫作思路為： 第一章闡述了論文的研究背景與研究?jī)?nèi)容；第二章介紹如何獲取人體運(yùn)動(dòng)信息，重點(diǎn)討論了動(dòng)作捕獲技術(shù)中運(yùn)動(dòng)跟蹤的實(shí)現(xiàn)；第三章介紹如何將捕獲的數(shù)據(jù)重定向到3D地形約束下的虛擬角色中；第四章對(duì)算法進(jìn)行驗(yàn)證，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。
科學(xué)性、先進(jìn)性及獨(dú)特之處
- 1.針對(duì)體感游戲的需求，提出了一種能夠有效解決當(dāng)前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，它結(jié)合了多視角卡爾曼濾波、外極限約束、逆向外極限約束等技術(shù)對(duì)人體運(yùn)動(dòng)進(jìn)行跟蹤捕捉。能夠高效、準(zhǔn)確、實(shí)時(shí)地獲取人體標(biāo)記點(diǎn)的位置。 2.首次實(shí)現(xiàn)在3D地形約束條件下的算法。本文提出了一種在3D地形約束條件下的運(yùn)動(dòng)重定向算法，通過人體模型末端效應(yīng)器挑戰(zhàn)，達(dá)到人體運(yùn)作姿勢(shì)自然化，并通過計(jì)算機(jī)實(shí)現(xiàn)。
應(yīng)用價(jià)值和現(xiàn)實(shí)意義
- 此研究成果將帶動(dòng)電視產(chǎn)業(yè)及通信運(yùn)營(yíng)商企業(yè)的發(fā)展：體感游戲與電視的連接，推動(dòng)新型電視業(yè)；與3G手機(jī)結(jié)合，革命性地開創(chuàng)人機(jī)交互新方式；與中國(guó)電信的體感游戲業(yè)務(wù)結(jié)合作為設(shè)備供應(yīng)上。同時(shí)體感游戲?qū)?huì)成為互聯(lián)網(wǎng)電視的新希望，實(shí)現(xiàn)互聯(lián)網(wǎng)電視與游戲產(chǎn)業(yè)對(duì)接。 體感游戲的研究也將推動(dòng)其他文化產(chǎn)業(yè)的發(fā)展：體感游戲中人體運(yùn)動(dòng)生成方法的研究技術(shù)在影視動(dòng)漫，虛實(shí)交互，體育運(yùn)動(dòng)等其他領(lǐng)域都有著廣泛的應(yīng)用。
學(xué)術(shù)論文摘要
- 面向體感游戲的人體運(yùn)動(dòng)生成方法的研究對(duì)實(shí)時(shí)3D體感游戲的開發(fā)有重要意義。 本文的研究目標(biāo)通過動(dòng)作捕獲技術(shù)及實(shí)時(shí)運(yùn)動(dòng)重定向技術(shù)，實(shí)現(xiàn)體感游戲中虛擬角色的運(yùn)動(dòng)的生成。 本文的研究方法為： （1）針對(duì)動(dòng)作捕獲中卡爾曼濾波算法的誤差累計(jì)及外極線的矩陣計(jì)算誤差，標(biāo)記點(diǎn)大小等的問題，提出了一種能夠有效解決當(dāng)前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，該算法結(jié)合了多視角幾何關(guān)系、卡爾曼濾波、外極限約束、逆向外極限約束和數(shù)據(jù)關(guān)聯(lián)等技術(shù)對(duì)人體運(yùn)動(dòng)軌跡進(jìn)行跟蹤捕捉。能夠高效、準(zhǔn)確地獲取人體標(biāo)記點(diǎn)的位置。 （2）提出了一種在3D地形約束條件下的運(yùn)動(dòng)重定向算法，通過對(duì)目標(biāo)人體的末端效應(yīng)器的調(diào)整，質(zhì)心的調(diào)整以及上體軀干姿勢(shì)的調(diào)整，使目標(biāo)人體的運(yùn)動(dòng)姿勢(shì)在3D地形下避免出現(xiàn)失真、抖動(dòng)現(xiàn)象。 最后，針對(duì)本文提出的人體運(yùn)動(dòng)生成方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，逆向外極線約束為中心的算法能準(zhǔn)確地跟蹤標(biāo)記點(diǎn)位置，提高了運(yùn)動(dòng)跟蹤效率。在重定向到3D地形條件下的目標(biāo)人體運(yùn)動(dòng)姿勢(shì)自然連續(xù)，未出現(xiàn)失真、抖動(dòng)現(xiàn)象。
獲獎(jiǎng)情況
- 第二屆湖南師范大學(xué)“挑戰(zhàn)杯”一等獎(jiǎng)
鑒定結(jié)果
- 無
參考文獻(xiàn)
- [1]C.Wren,A.Azarbayejani,T.Darrell.Pfinder:Real-time Tracking of the Human Body[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1997,19(7):780-785 [2]P.Fua,A.Gruen,R.Plankers.Human body mod-eling and motion analysis form video squences[A].In:Proceedings of International Archives of Photogrammetry and Remote Sensing,Hakodate,1998,32:866-873 [3]Z.Y.Zhang.A Flexible New Technique for Camera Calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,November,2002,22(11):1330-1334 [4]Z.X.Luo,Y.T.Zhuang,Y.H.Pan.Video based motion capture[J].Journal of Image and Graphics:A,2002,7(8):752-758 [5]楊熙年,張家銘,趙士賓.基于骨干長(zhǎng)度比例之運(yùn)動(dòng)重定目標(biāo)算法[J]. 中國(guó)圖象圖形學(xué),2002,7(9) : 871 ~875. [6]楊熙年,張家銘,趙士賓.基于骨干長(zhǎng)度比例之運(yùn)動(dòng)重定向目標(biāo)算法[J]. 中國(guó)圖像圖形學(xué)報(bào).2002年8月,第7卷,第9期. [7]羅忠祥,莊越挺,劉豐,潘云鶴.基于時(shí)空約束的運(yùn)動(dòng)編輯和運(yùn)動(dòng)重定向[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2002年12月,第14卷,第12期.
同類課題研究水平概述
- 本文涵蓋了動(dòng)作捕獲技術(shù)和運(yùn)動(dòng)重定向技術(shù)的內(nèi)容。 (1)動(dòng)作捕獲技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀與存在的主要問題 動(dòng)作捕獲(Motion Capture)是采用數(shù)字化手段對(duì)現(xiàn)實(shí)世界中對(duì)象的運(yùn)動(dòng)進(jìn)行記錄并真實(shí)再現(xiàn)到虛擬環(huán)境中的過程。 動(dòng)作捕獲的技術(shù)主要為三種：機(jī)械式、電磁式和光學(xué)式（光學(xué)又分為主動(dòng)式和被動(dòng)式兩種）。 當(dāng)前國(guó)外主要存在以下幾類主要跟蹤算法：J.Segen等為代表的基于輪廓的跟蹤算法[1]；C.Wren等為代表的基于區(qū)域的跟蹤方法[2]； P.Fua等為代表的基于模型的跟蹤算法那[3]。 國(guó)內(nèi)研究中，張正友標(biāo)定算法[4]計(jì)算每個(gè)攝像機(jī)的內(nèi)參數(shù)較為通用，羅忠祥等在基于特征的跟蹤算法上有著突出貢獻(xiàn)。 國(guó)外處理數(shù)據(jù)關(guān)聯(lián)關(guān)系的關(guān)鍵依據(jù)方法為：最近鄰方法；聯(lián)合概率數(shù)據(jù)的關(guān)聯(lián)方法Samuel Balackman等為代表[6]；多假設(shè)跟蹤方法D Reid等為代表[5]。 國(guó)內(nèi)主要使用最近鄰近的方法或思想。 (2)運(yùn)動(dòng)重定向技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀與存在的主要問題 運(yùn)動(dòng)重定向技術(shù)是指把動(dòng)作捕獲的運(yùn)動(dòng)信息，通過某種重定目標(biāo)算法，對(duì)運(yùn)動(dòng)信息進(jìn)行編輯和調(diào)整，把調(diào)整后的運(yùn)動(dòng)信息賦予另一個(gè)具有相同關(guān)節(jié)結(jié)構(gòu)的不同肢體長(zhǎng)度的虛擬角色，并且不失原來的運(yùn)動(dòng)特征。 國(guó)外的研究中，Hodgins和Pollard[7]最早提出了一種運(yùn)動(dòng)變化重利用的問題，通過調(diào)整物理參數(shù)來修正變化了的目標(biāo)物體的運(yùn)動(dòng)。Jean-sebastien mozani[10]等人提出了一種新的重定向方法，計(jì)算原物體和目標(biāo)之間的一個(gè)中間骨架模型，并利用反向運(yùn)動(dòng)學(xué)來保持約束，實(shí)現(xiàn)了不同層次和幾何結(jié)構(gòu)的人體之間的重定向。后來Choi等人[11]利用捕獲資料的密集重復(fù)性提出了一種實(shí)時(shí)運(yùn)動(dòng)重定目標(biāo)算法，其將每一幀中源人體末端效應(yīng)器的空間位置設(shè)定為目標(biāo)人體末端效應(yīng)器的強(qiáng)制約束，同時(shí)還利用了逆向率控制的技術(shù)，并要求目標(biāo)幀之間關(guān)節(jié)角度差異最小。 國(guó)內(nèi)楊熙年等人[15]將逆向運(yùn)動(dòng)應(yīng)用在重定向上，提出了結(jié)構(gòu)相同，骨架各肢長(zhǎng)度不成比例的運(yùn)動(dòng)重定向。羅忠祥等人[16]主要研究了基于時(shí)空約束的運(yùn)動(dòng)編輯。陽小濤等人[17]研究了運(yùn)用在運(yùn)動(dòng)重定向技術(shù)中的反向運(yùn)動(dòng)學(xué)，提出了一種可較好解決反向運(yùn)動(dòng)學(xué)問題的方法--CCD算法。
