用于三维人体运动跟踪的架构

        本周还了解了一种新的用于三维人体运动跟踪的框架，该框架采用随机采样和局部最优化的方法来取得鲁棒性和有效性的较好折中，引入了基于模拟人体运动的局部最优化方法来提高跟踪的优越性。

         本框架在对三维人体进行建模是采用了圆柱体建模法（见图1），除了躯干非标准圆柱外（横截面是椭圆形），其他部位都是标准的圆柱（头，前臂，后臂，大腿，小腿），并给给部分编号，非躯干部分的局部坐标系原点位于各圆柱基底旋转中心位置，整个人体的坐标系原点位于躯干中心。同时引入自由度来约束各个部分的运动，其中前臂和小腿都是一个自由度，头、后臂和大腿是三个自由度，躯干是6个自由度，这样就是25个自由度。

图1 三维人体模型

 然后进行三维人体重建，这里是用视觉外形的方法（visual hull method）重建三维场景点和表明法线向量，重建点通过观测的视锥相交获得，对应的法线通过观测的线与图像轮廓的切线的叉积得出。

 局部最优化方法是迭代最近点算法的扩展，它是基于配准算法的模拟人体运动，这个方法的优点：提出一种简单有效的分级模型位置更新方案取代递归来解决一系列动力学方程。

实验证明了这个方法的鲁棒性和有效性的提高，同时也得出该方法比基于像力的方法和基于粒子滤波的方法要好，粒子滤波为了达到一定的效果需要许多粒子，所以该法较慢，基于像力的方法不可靠易丢失，只适合比较简单的运动如步行，但对于拳击丢不可靠了。

这个方法有个很大的局限性就是：需要用类似的运动模型进行详细耐心的训练。