人体运动捕捉仿真技术在动画制作,机器人控制,医学分析,体育运动分析等领域都有广泛的应用。但是人体运动捕捉仿真技术又是计算机图像中最难处理的问题之一。被测试者身上的服装,被测试者与被测试者之间骨架结构的不同都会影响测试结果。为了避免以上的问题,现在较为普遍运用的人体运动捕捉方法需要被检测者穿上单色的紧身衣,在人体运动过程中,传感器会定时将各个部位的空间定位数据反馈给计算机。但是,这种方法成本相当昂贵,而且很大程度上限制了被测试者的运动。本文现在研究的视频中的人体运动捕捉(Human Motion Capture),与上述方法相比起来成本便宜很多。比起其他大型的人体行为捕捉仪器来,视频人体行为捕捉只需要一台或多台摄像机,或者一段已有的视频片段,就可以进行HMC。但是现在的HMC技术,通常只能解决简单的举重,行走之类的人体运动捕捉问题。运用模板图像匹配的方法,将模板中的人体关节位置与视频中的位置进行对比,剔除明显有错误的捕捉参数。显然这种方法不能运用于比较复杂剧烈的人体运动或摄像机拍摄角度不固定的情况。本文以2007年东亚运动会体操女子团体决赛的几段视频片段为例进行人体运动的捕捉,将虚拟人体模型与视频图像匹配的问题颠倒过来,即为反推法(bottom-up)。首先分析视频图像,再根据捕捉结果重建人体模型。在图像分析中,寻找人体各个部分的问题,可以简化为寻找图像中平行区域的问题。然后根据人体物理约束系统判断关节的位置,判断出这些平行区域是否为人体部分。由于复杂的人体运动视频图像中,存在大量人体部分被遮挡和人体关节不符合人体物理约束系统的情况。本文设计了一套新的捕捉方法——二元参数法,将传统的模板图像匹配法中参数量化,转换成人体关节的约束条件。这个方法很大程度上减少了不符合人体物理约束系统的关节对于最终捕捉结果的影响。捕捉实验结果显示,二元约束函数可以很有效的捕捉较为复杂的人体运动。相比现在普遍运用的动态树形结构,二元参数法可以捕捉到更为详细的信息;而相比模板图像匹配法,二元参数法可以捕捉的视频范围更广。