一种基于多层平面映射的多相机协同运动目标检测算法

一种基于多层平面映射的多相机协同运动目标检测算法

ID:13338473

大小:259.50 KB

页数:6页

时间:2018-07-22

一种基于多层平面映射的多相机协同运动目标检测算法_第1页
一种基于多层平面映射的多相机协同运动目标检测算法_第2页
一种基于多层平面映射的多相机协同运动目标检测算法_第3页
一种基于多层平面映射的多相机协同运动目标检测算法_第4页
一种基于多层平面映射的多相机协同运动目标检测算法_第5页
资源描述:

《一种基于多层平面映射的多相机协同运动目标检测算法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、运动捕获系统中基于SOFM的多目标跟踪方法技术领域本发明设计一种多视觉运动捕获系统中多标记点跟踪的方法。背景技术基于辅助标记点的运动捕获系统有主动和被动两种类型;主动系统是指使用有线标记点或者传感器作为标记点,标记点所在的人体关节信息可借由系统附带的物理设备识别,跟踪过程中各标记点独立匹配,互不干扰,因此处理速度快,跟踪精度高,具备一定的优势,但由于人体运动的灵活性和复杂度,有线标记点会影响到人体运动的自然性,而基于传感器的运动捕获系统对传感器的三维定位精度有一定要求,且需要为运动捕获设计一套专用的传感器系统,使系统成本

2、增加,在现有系统中均不常用。基于光学的运动捕获是典型的被动型运动捕获系统,又分为有特征的标记点和无特征标记点两种类型;特征标记点自身具备某些特征,在后期目标跟踪中主要使用基于特征的跟踪策略,这种类型的系统中标记点或者具有不同光学特征,如颜色、形状、大小等能够简化后续的跟踪过程,但由于人体标记点多,一般多于17个标记点,而且标记点的数目并不确定,针对不同的运动捕获需求,需要设置的标记点个数并不相同,导致标记点种类繁多且特征区分并不明显,加上人体运动的自遮挡和重现使基于特征的标记点识别变得异常困难。当前运动捕获系统的研究主要

3、集中在基于无特征标记点的运动捕获甚至是无标记点的运动捕获;该发明即是针对多摄像机下的基于无特征标记点的运动捕获系统。基于无特征标记点的运动捕获系统均存在标记点所属骨架信息的初始化问题,也即标记点所代表的关节名称;现有系统一般需要用户手工标记此信息,也即在首帧数据由用户标记各个标记点的位置信息。在一个多摄像机多标记点的运动捕获系统中,以十六个摄像机,人体23~34个点不等为例,需要标记16*23=368个点,由于标记点在各路图像上的分布极不均匀,部分标记点在某个视角可能出现“聚集”状态,手工标记极易出现错误。随着所使用的摄

4、像机数量的增多,这个过程的工作量大而且繁琐,也极易出现错误,导致这种系统在产业化应用的过程中有很大的局限性。因此对标记点的自动识别成为运动捕获系统领域一个新的研究点。发明内容①要解决的技术问题为了避免在运动捕获初始阶段需要大量人工干预确定多摄像机获取的图像中标记点的标识问题和提高标识的准确率,本发明利用PCA(principalcomponentsanalysis-主成分分析)方法,在预定义运动捕获中表演者初始姿态的情况下,实现对标记点位置及其标识的自动识别与标记,为后续的跟踪提供初始化数据;实现了人体标记点自动初始化的

5、过程。②技术方案PCA(Principalcomponentanalysis),即主成分分析,是一种经典的对数据进行分析的技术,最重要的应用是对原有数据进行简化。正如其名字所表示的,主成分分析可以有效的找出数据中最“主要”的元素和结构,去除冗余和不重要的数据,将原有的复杂高维数据降维,揭示隐藏在复杂数据背后的简单结构。它的优点是简单,而且无参数限制,可以方便的应用与各个场合。因此应用极其广泛,从神经科学到计算机图形学都有它的用武之地。被誉为应用线形代数最有价值的结果之一。运动捕获系统标记点初始化过程中的数据在二维图像上呈

6、现散乱分布,保持与人体初始姿态相似的拓扑结构,如果在运动捕获初期,使表演者保持一定姿态,该姿态的标记点分布呈现一定的方向性,则可利用相关的数据分析方法,完成标记点信息的自动分析与获取。在该系统中,令表演者双臂伸展,两腿并拢,挺直站立,如图所示,则其标记点在二维图像上呈现交叉分布(非正交分布,因为摄像机与其有一定夹角),且主要分布于两个方向—臂展方向与躯干方向,利用PCA方法可以分析出其数据的主要分布方向,将标记点投影到身体主轴为坐标轴的新坐标系下,可以得到一组正交分布的点集,简单排序即可得到每个标记点所属的关节信息,然后

7、将其反投影到原始图像坐标下,可以得到每个标记点在二维图像上的关节信息和位置信息。在运动捕获系统中,可直接获取的是二维图像,我们可通过相应的图像处理,检测图像上的目标点,得到一组标记点的坐标值集合,将这组坐标值作为PCA的输入数据进行分析,可得到二维点集在二维图像上的分布,依照标记点所附着的骨架模型,我们便可获得每个标记点所代表的关节点信息,由此完成标记点跟踪的初始化过程。图PCA自动初始化流程图方案步骤介绍(1)描述粘贴于人体各个关节处的标记点之间的约束关系(markerprotocol)。构建一个能够描述人体骨架结构的

8、类骨架模型(skeleton-likestructure):该骨架模型满足各个关节点之间的连接关系,但是并不要求完全满足人体骨架的大小与各骨骼之间的长度比例约束(如附图1)(1)在运动捕获开始阶段,令表演者保持简单的预定的初始状态:双臂伸展,两腿并拢,挺直站立。多路相机同步采集相应的图像数据,保证至少两路摄像机可以看

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。