基本信息
- 項目名稱：
- 面向體感游戲的人體運動生成方法
- 小類：
- 信息技術
- 大類：
- 自然科學類學術論文
- 簡介：
- 本文針對動作捕獲系統中的難點通過一種逆向外極限約束的多攝像機人體跟蹤算法進行動作捕獲，準確、高效、實時地獲取跟蹤目標的運動信息。同時提出了一種新的運動重定向算法來解決在3D地形約束條件下人體運動可能產生的失真現象。
- 詳細介紹：
- 面向體感游戲的人體運動生成方法的研究對實時3D體感游戲的開發(fā)有重要意義。 本文的研究目標通過動作捕獲技術及實時運動重定向技術，實現體感游戲中虛擬角色的運動的生成。 本文的研究方法為： （1）針對動作捕獲中卡爾曼濾波算法的誤差累計及外極線的矩陣計算誤差，標記點大小等的問題，提出了一種能夠有效解決當前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，該算法結合了多視角幾何關系、卡爾曼濾波、外極限約束、逆向外極限約束和數據關聯等技術對人體運動軌跡進行跟蹤捕捉。能夠高效、準確地獲取人體標記點的位置。 （2）提出了一種在3D地形約束條件下的運動重定向算法，通過對目標人體的末端效應器的調整，質心的調整以及上體軀干姿勢的調整，使目標人體的運動姿勢在3D地形下避免出現失真、抖動現象。 最后，針對本文提出的人體運動生成方法進行實驗驗證。實驗結果表明，逆向外極線約束為中心的算法能準確地跟蹤標記點位置，提高了運動跟蹤效率。在重定向到3D地形條件下的目標人體運動姿勢自然連續(xù)，未出現失真、抖動現象。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 提出新的多攝像機人體跟蹤算法，能夠準確、高效、實時地獲取跟蹤人體的運動信息。又提出了一種新的運動重定向算法來實現在3D地形約束條件下人體自然運動。 寫作思路為： 第一章闡述了論文的研究背景與研究內容；第二章介紹如何獲取人體運動信息，重點討論了動作捕獲技術中運動跟蹤的實現；第三章介紹如何將捕獲的數據重定向到3D地形約束下的虛擬角色中；第四章對算法進行驗證，并對實驗結果進行分析。
科學性、先進性及獨特之處
- 1.針對體感游戲的需求，提出了一種能夠有效解決當前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，它結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對人體運動進行跟蹤捕捉。能夠高效、準確、實時地獲取人體標記點的位置。 2.首次實現在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動重定向算法，通過人體模型末端效應器挑戰(zhàn)，達到人體運作姿勢自然化，并通過計算機實現。
應用價值和現實意義
- 此研究成果將帶動電視產業(yè)及通信運營商企業(yè)的發(fā)展：體感游戲與電視的連接，推動新型電視業(yè)；與3G手機結合，革命性地開創(chuàng)人機交互新方式；與中國電信的體感游戲業(yè)務結合作為設備供應上。同時體感游戲將會成為互聯網電視的新希望，實現互聯網電視與游戲產業(yè)對接。 體感游戲的研究也將推動其他文化產業(yè)的發(fā)展：體感游戲中人體運動生成方法的研究技術在影視動漫，虛實交互，體育運動等其他領域都有著廣泛的應用。
學術論文摘要
- 面向體感游戲的人體運動生成方法的研究對實時3D體感游戲的開發(fā)有重要意義。 本文的研究目標通過動作捕獲技術及實時運動重定向技術，實現體感游戲中虛擬角色的運動的生成。 本文的研究方法為： （1）針對動作捕獲中卡爾曼濾波算法的誤差累計及外極線的矩陣計算誤差，標記點大小等的問題，提出了一種能夠有效解決當前跟蹤算法中跟蹤精度低和自遮擋等問題的算法，該算法結合了多視角幾何關系、卡爾曼濾波、外極限約束、逆向外極限約束和數據關聯等技術對人體運動軌跡進行跟蹤捕捉。能夠高效、準確地獲取人體標記點的位置。 （2）提出了一種在3D地形約束條件下的運動重定向算法，通過對目標人體的末端效應器的調整，質心的調整以及上體軀干姿勢的調整，使目標人體的運動姿勢在3D地形下避免出現失真、抖動現象。 最后，針對本文提出的人體運動生成方法進行實驗驗證。實驗結果表明，逆向外極線約束為中心的算法能準確地跟蹤標記點位置，提高了運動跟蹤效率。在重定向到3D地形條件下的目標人體運動姿勢自然連續(xù)，未出現失真、抖動現象。
獲獎情況
- 第二屆湖南師范大學“挑戰(zhàn)杯”一等獎
鑒定結果
- 無
參考文獻
- [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.基于骨干長度比例之運動重定目標算法[J]. 中國圖象圖形學,2002,7(9) : 871 ~875. [6]楊熙年,張家銘,趙士賓.基于骨干長度比例之運動重定向目標算法[J]. 中國圖像圖形學報.2002年8月,第7卷,第9期. [7]羅忠祥,莊越挺,劉豐,潘云鶴.基于時空約束的運動編輯和運動重定向[J].計算機輔助設計與圖形學學報. 2002年12月,第14卷,第12期.
同類課題研究水平概述
- 本文涵蓋了動作捕獲技術和運動重定向技術的內容。 (1)動作捕獲技術的國內外研究現狀與存在的主要問題 動作捕獲(Motion Capture)是采用數字化手段對現實世界中對象的運動進行記錄并真實再現到虛擬環(huán)境中的過程。 動作捕獲的技術主要為三種：機械式、電磁式和光學式（光學又分為主動式和被動式兩種）。 當前國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]。 國內研究中，張正友標定算法[4]計算每個攝像機的內參數較為通用，羅忠祥等在基于特征的跟蹤算法上有著突出貢獻。 國外處理數據關聯關系的關鍵依據方法為：最近鄰方法；聯合概率數據的關聯方法Samuel Balackman等為代表[6]；多假設跟蹤方法D Reid等為代表[5]。 國內主要使用最近鄰近的方法或思想。 (2)運動重定向技術的國內外研究現狀與存在的主要問題 運動重定向技術是指把動作捕獲的運動信息，通過某種重定目標算法，對運動信息進行編輯和調整，把調整后的運動信息賦予另一個具有相同關節(jié)結構的不同肢體長度的虛擬角色，并且不失原來的運動特征。 國外的研究中，Hodgins和Pollard[7]最早提出了一種運動變化重利用的問題，通過調整物理參數來修正變化了的目標物體的運動。Jean-sebastien mozani[10]等人提出了一種新的重定向方法，計算原物體和目標之間的一個中間骨架模型，并利用反向運動學來保持約束，實現了不同層次和幾何結構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性提出了一種實時運動重定目標算法，其將每一幀中源人體末端效應器的空間位置設定為目標人體末端效應器的強制約束，同時還利用了逆向率控制的技術，并要求目標幀之間關節(jié)角度差異最小。 國內楊熙年等人[15]將逆向運動應用在重定向上，提出了結構相同，骨架各肢長度不成比例的運動重定向。羅忠祥等人[16]主要研究了基于時空約束的運動編輯。陽小濤等人[17]研究了運用在運動重定向技術中的反向運動學，提出了一種可較好解決反向運動學問題的方法--CCD算法。
