

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、人體運動捕捉技術是虛擬現(xiàn)實、計算機視覺和計算機圖形學領域研究的熱點和難點之一,被廣泛應用于人體動畫、運動分析、人機交互、模擬訓練、生物力學研究等領域。人體運動捕獲主要捕捉表演者的動作甚至表情,然后使用這些動作或表情數(shù)據(jù)直接驅動動畫及虛擬對象等模型,可以制作出形象逼真的動畫。本文針對被動式光學運動捕捉系統(tǒng)中的人體運動數(shù)據(jù)進行姿態(tài)估計,研究內(nèi)容主要包括標志點注冊、缺失標志點預測、標志點數(shù)據(jù)剛性修正及關節(jié)中心估計,歸納總結如下:
2、 首先,針對被運動式光學運動系統(tǒng)中未標記的運動數(shù)據(jù)提出一種標志點注冊方法。該方法通過尋找模板數(shù)據(jù)和首幀運動數(shù)據(jù)的對應關系來完成首幀運動數(shù)據(jù)的注冊,根據(jù)同一肢體段上標志點的時空特征及局部剛性特征來完成標志點跟蹤過程。由于人體運動等原因導致標志點之間相對距離發(fā)生變化,因此需要對注冊后的標志點數(shù)據(jù)進行剛性修正。實驗表明,該方法可有效地識別出運動數(shù)據(jù)中的每個標志點。
其次,針對運動數(shù)據(jù)中的標志點缺失現(xiàn)象,提出了一種缺失標志點預測方
3、法。本文根據(jù)相鄰幀標志點運動連續(xù)性的特征,假設同一肢體段上的標志點在相鄰幀的運動參數(shù)不變的情況下,使用同一肢體段上可見標志點位置對缺失標志點進行預測。本方法根據(jù)前兩幀運動數(shù)據(jù)和當前幀可見標志點來對缺失數(shù)據(jù)進行預測,實現(xiàn)過程簡單且快速,能應用于實時運動捕獲系統(tǒng)。
最后,本文基于注冊后的標志點數(shù)據(jù)提出了一種關節(jié)中心估計方法,當某個肢體段上至少有三個標志點,而與其相鄰的肢體段上的標志點個數(shù)少于三時,使用非線性最小二乘算法對關節(jié)中
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于骨架特征的人體姿態(tài)識別研究.pdf
- 基于慣性傳感器的人體運動姿態(tài)三維重構.pdf
- 基于肢體動作的人體姿態(tài)識別研究.pdf
- 基于慣性數(shù)據(jù)的人體姿態(tài)實時三維重構關鍵技術研究.pdf
- 基于多特征融合的人體姿態(tài)識別.pdf
- 基于姿態(tài)聚類和候選重組的人體姿態(tài)估計.pdf
- 基于姿態(tài)的人體痛苦狀態(tài)判別的研究.pdf
- 基于圖結構模型的人體姿態(tài)估計研究.pdf
- 基于Kinect的人體姿態(tài)估計與動作識別.pdf
- 基于視頻的人體運動姿態(tài)分析與重建.pdf
- 基于Hidden Markov Model的人體姿態(tài)識別探究.pdf
- 智能教室中基于視覺的人體姿態(tài)估計.pdf
- 基于MQTT協(xié)議的人體姿態(tài)識別系統(tǒng).pdf
- 基于運動傳感的人體姿態(tài)實時捕獲系統(tǒng)研究.pdf
- 靜態(tài)圖像中的人體姿態(tài)估計研究.pdf
- 固定場景下的人體姿態(tài)識別.pdf
- 基于視頻序列的人體姿態(tài)檢測與估計系統(tǒng).pdf
- 基于多傳感器信息融合的人體姿態(tài)識別研究.pdf
- 基于圓形目標成像分析的人體頭部姿態(tài)信息測量研究.pdf
- 基于matlab的人體姿態(tài)的檢測課程設計
評論
0/150
提交評論