動態(tài)藝術(shù)數(shù)字化中的運動捕捉關(guān)鍵技術(shù)研究.pdf

1、我國民間舞蹈、戲益身段、中國功夫等動態(tài)藝術(shù)種類繁多，資源極其豐富。然而，目前動態(tài)藝術(shù)面臨傳承人的去世而失傳或者瀕臨失傳，必須利用數(shù)字化技術(shù)對動態(tài)藝術(shù)進行有效的記錄和保護。運動捕捉數(shù)據(jù)在動作表示、數(shù)據(jù)復(fù)用和數(shù)據(jù)管理等方面優(yōu)于視頻記錄方式和動作譜，因此利用運動捕捉數(shù)字化記錄動態(tài)藝術(shù)能夠更有效的保護動態(tài)藝術(shù)。
　　本文圍繞運動捕捉技術(shù)數(shù)字化動態(tài)藝術(shù)這一課題中的數(shù)據(jù)獲取和管理兩個方面展開研究。動態(tài)藝術(shù)分布地域廣，數(shù)據(jù)采集場地隨意，而有標識

2、運動捕捉系統(tǒng)不便于攜帶，且要求特定的場地。針對此問題，本文研究基于多視角的無標識運動捕捉技術(shù)，提供一種非接觸的運動捕捉數(shù)據(jù)獲取方法。重點研究了在未知背景下的前景提取方法和更魯棒的人體姿態(tài)估計方法，致力于盡可能減少現(xiàn)有人體運動捕捉系統(tǒng)在實際應(yīng)用中的限制，構(gòu)建一個便攜移動、能夠處理復(fù)雜場景且準確獲取人體姿態(tài)的人體運動捕捉系統(tǒng)。隨著采集的數(shù)據(jù)越來越多，高效的數(shù)據(jù)檢索是動態(tài)藝術(shù)數(shù)字化保護和應(yīng)用的基礎(chǔ)。針對運動捕捉數(shù)據(jù)不容易獲取，檢索樣本輸入難問

3、題，重點研究了交互自然的運動捕捉數(shù)據(jù)檢索方法。通過數(shù)據(jù)獲取及管理，為我國動態(tài)藝術(shù)資源數(shù)字化提供一個可行有效的數(shù)字化平臺。本文的主要研究工作如下:
　　(1)提出了一種基于局部譜的前景（人體）聯(lián)合提取方法。針對在未知背景模型和未知攝像機標定參數(shù)的情況下多視角圖像前景提取難的問題，本文提出了一種基于局部譜的前景聯(lián)合提取方法，即同時從兩張或者多張圖像中分割出含有相同或者相似的前景。將聯(lián)合提取問題看成是一個圖劃分問題，然后利用Biased

4、Ncuts方法通過拉普拉斯矩陣的譜的局部信息提取出我們關(guān)注的前景。本方法只需要標記出感興趣的前景區(qū)域或者手動提取一張圖像作為先驗，而不是以往的標記前景和背景區(qū)域，大大減少了人工操作。適用于多視角的圖像前景提取，能夠處理未知背景模型及背景復(fù)雜的場景，提高了運動捕捉系統(tǒng)的靈活性。
　　(2)提出了一種基于最近點對拓撲一致性約束的人體姿態(tài)估計方法。在基于生成式的姿態(tài)估計的框架中，姿態(tài)估計問題被看成是一個最優(yōu)的人體模型匹配問題，包括建模和

5、優(yōu)化兩部分。針對之前主要以輪廓、邊緣匹配的外蘊相似度度量的姿態(tài)估計方法易陷入局部最小而導致姿態(tài)估計失敗問題，在原有外蘊相似度的基礎(chǔ)上，增加基于熱擴散距離的內(nèi)蘊相似度懲罰項，驅(qū)使人體先驗?zāi)Ｐ偷淖藨B(tài)和觀察模型不僅達到輪廓邊緣最優(yōu)匹配，而且最近點對在流形空間中保持等距性，即在拓撲結(jié)構(gòu)上也達到一致，提高姿態(tài)估計算法的精度和魯棒性。在此基礎(chǔ)上，針對粒子濾波在姿態(tài)估計中粒子數(shù)和迭代層數(shù)都固定的問題，提出了一種面向姿態(tài)估計的自適應(yīng)粒子濾波算法。當肢體

6、間嚴重自遮擋時，概率密度復(fù)雜，需要較多的粒子和迭代層數(shù)，此時人體模型和人體外形拓撲不一致，內(nèi)蘊距離較大;相反，姿態(tài)簡單，拓撲結(jié)構(gòu)一致，只需要較少的粒子和迭代層數(shù)?；诖颂岢隽嘶谕負湟恢滦缘淖赃m應(yīng)粒子濾波算法，在取得和已有的優(yōu)化算法接近的精度下，花費更少的時間。
　　(3)提出了一種基于拉班動作譜的運動捕捉數(shù)據(jù)檢索方法。隨著運動捕捉數(shù)據(jù)的日積月累，快速有效的從數(shù)據(jù)庫中找出想要的動作數(shù)據(jù)是數(shù)據(jù)展示和應(yīng)用的前提，但運動捕捉數(shù)據(jù)不像圖像

7、視頻那樣容易獲取，直接輸入運動捕捉數(shù)據(jù)作為檢索樣本是困難的。針對此問題，本文提出了一種基于拉班動作譜的運動捕捉數(shù)據(jù)檢索方法。采用一種能讀能寫可編輯的人體動作二維符號——啦班動作譜來代替樣本數(shù)據(jù)輸入，通過拉班符號分級標注運動捕捉數(shù)據(jù)以及基于拉班動作分析(LMA)的排序策略，實現(xiàn)運動捕捉數(shù)據(jù)的快速有效檢索。
　　綜合上述工作，構(gòu)建一個基于運動捕捉的動態(tài)藝術(shù)數(shù)字化平臺。通過多視角影像、運動捕捉數(shù)據(jù)以及拉班動作譜三種記錄方式及相關(guān)管理和展