遮挡关节点处理的相关调研

《基于视频的三维人体重建和运动捕捉》

1.1，1.2

运动捕捉/运动跟踪的综述，包括具体定义、代表性的运动捕获系统、基于视觉的优点、应用

1.3

困难、本文针对的领域

1.4

本文的主要研究工作及创新之处。

2.1

商业性运动捕获系统

计算关节点位置和方向

Herda 等[21]在标记点跟踪的过程中引入三维人体模型协助进行运动估计，提高了系统的鲁棒性，减少了为解决遮挡或标记点识别错误所需的人工干预的次数

Kirk 等提出了一种通过标记点计算人体骨骼的方法，[22]，这种方法不需要提前预知骨架的结构，而是通过把标记点分组，然后对每一组标记点计算其局部关节点的位置

其他一些学者也从计算机图形学[23]、计算机视觉[24]、甚至机器人学[25][26]的领域进行了研究

2.2

基于视觉的人体运动捕获技术

在需要较高的精度和可靠性的应用中，通常会引入人体模型或者运动模型来辅助进行运动跟踪[51][52]。对于需要处理速度和鲁棒性的应用领域，比如智能监控[53]，则主要依赖于对视频中每帧图像的底层信息的提取，如图像分割、阈值、统计和概率等手段。

问题简化与假设

分类：方法上、阶段上

单目相机与遮挡：使用单摄像机的人体运动捕捉技术是非常有吸引力的，因为在许多应用领域中由于条件的限制只能使用单摄像机，文献[33][34][35][36]都在这方面做了大量的工作，但是深度信息的缺失和遮挡一直是使用单摄像机需要面对的难题，文献[37][38][39][40]提出分别在每一帧图像中分别搜索特征信息，然后在后期进行特征的融合来解决遮挡问题，但是效果都不理想

手工图