论文部分内容阅读
目前运动捕捉技术已成为一种非常有前景的技术。运动捕捉技术已经应用于体育和医疗康复中用于运动分析了。在电影业或计算机游戏中经常采用基于标志物的运动捕捉设备去完成快速和高质量的处理,它可以使得计算机所生成的人物拥有和现实中的表演者一样的动作。传统的运动捕捉方法需要在人体的各个关节点位置上固定一些有反射或发射光波功能的标志物,通过同时使用多台摄像机对场景中的目标进行同步拍摄,有时为了提高捕捉精度,对运动捕捉的场景还有一些特殊的要求,如纯蓝色的背景等。本文使用一种新的无标记点手掌运动跟踪方法,区别于传统运动捕捉中穿戴有标志物的定位方法。提出了一种新颖的方法用于提取手掌的边缘:采用背景差分技术从深度图像序列中提取出深度模板,然后使用深度模板与同步的RGB图像结合用于提取手掌边缘。通过使用深度模板能够较为准确的提取出手掌的边缘信息。分割过程并不需要严格限制捕获的环境,如单一颜色的背景、衣服或稳定的光照等。让运动目标在摄像机前进行姿势的校准可以自动标定出手掌区域;利用改进的Cam-shift算法使用目标表面的颜色分布为特征进行手掌的跟踪,联合深度模板与改进的Cam-shift算法能够去除背景噪声并增加跟踪的准确率。为了缩小Cam-shift对手掌的搜索范围同时也为了避免Cam-shift算法陷入局部最优解,采用卡尔曼滤波算法预测下一帧中关节点的搜索范围以减小特征搜索空间。然后,利用曲线拟合方法,复现了离散关节点的连续变化运动轨迹。最后,对本文所提出的方法在Visual Studio2010开发平台上予以实现,本文所提出的原型系统能以每秒钟30帧的速率完成对手掌的精确跟踪。通过与其他不同的跟踪方法进行对比与分析,本文所提出的跟踪算法在精度与效率上均有一定的提高。当然,本文所使用的方法在很多方面还存在着不足有待于改进,比如在当运动目标产生较严重的自遮挡时有可能丢失对手掌的跟踪。