《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