基于Kinect的個(gè)性化人體三維動(dòng)作重現(xiàn)與動(dòng)作細(xì)節(jié)比對(duì)研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，國民的生活節(jié)奏逐漸加速，人們往往將重心放在了對(duì)物質(zhì)生活的追求上，將大量的精力投入到工作和學(xué)習(xí)當(dāng)中，而花費(fèi)在體育運(yùn)動(dòng)、精神生活的時(shí)間日漸減少。這不可避免地將導(dǎo)致各種生理健康問題與心理健康問題的發(fā)生。多項(xiàng)研究發(fā)現(xiàn)，運(yùn)動(dòng)鍛煉是能夠緩解甚至解決這一問題的最有效途徑之一。鑒于此，本課題組致力于大眾的體育運(yùn)動(dòng)示教系統(tǒng)研究，幫助人們進(jìn)行體育鍛煉。
　　在示教系統(tǒng)的研究中，目前存在的問題主要有三方面，一為動(dòng)作捕獲系統(tǒng)的價(jià)格

2、昂貴、精度低、干擾大等問題；二為動(dòng)作重現(xiàn)系統(tǒng)模型逼真度和系統(tǒng)運(yùn)行實(shí)時(shí)性達(dá)不到用戶的要求；三為精細(xì)的動(dòng)作比對(duì)分析系統(tǒng)方法較少，而且缺乏標(biāo)準(zhǔn)的定性和定量評(píng)價(jià)方式。本文針對(duì)這些問題進(jìn)行了相關(guān)研究：
　　首先，在動(dòng)作捕獲系統(tǒng)研究方面，權(quán)衡精確度與價(jià)格因素，我們選擇微軟Kinect傳感器作為動(dòng)作捕獲設(shè)備，其精度適中，價(jià)格便宜，且其非侵入式特性使其對(duì)用戶運(yùn)動(dòng)影響較小。在捕獲數(shù)據(jù)后處理上，將原始深度信息轉(zhuǎn)換為骨骼信息進(jìn)行存儲(chǔ)，為后面的重建和分析

3、奠定堅(jiān)實(shí)的基礎(chǔ)。
　　其次，在動(dòng)作重現(xiàn)系統(tǒng)研究方面，針對(duì)數(shù)據(jù)抖動(dòng)問題，我們對(duì) Kinect生成的數(shù)據(jù)進(jìn)行平滑處理，改善了動(dòng)作重現(xiàn)效果；針對(duì)模型的失真和模型個(gè)性化的問題，選擇MakeHuman作為模型生成器，通過中間插件的配合，生成逼真的個(gè)性化人體模型；針對(duì)模型與動(dòng)作數(shù)據(jù)的匹配問題，我們找到了一組匹配參數(shù)，緩解了動(dòng)作失真問題；針對(duì)動(dòng)作實(shí)時(shí)性的要求，我們選擇了 OGRE圖像渲染引擎完成模型與動(dòng)作數(shù)據(jù)的整合，實(shí)現(xiàn)了游戲級(jí)別的動(dòng)作重現(xiàn)效果

4、。
　　最后，在動(dòng)作精細(xì)比對(duì)分析方面，我們提出了基于多關(guān)節(jié)線條圖結(jié)合 SIFT匹配算法的動(dòng)作精細(xì)比對(duì)方法。針對(duì)多關(guān)節(jié)大數(shù)據(jù)的問題，我們將多維數(shù)據(jù)形式的數(shù)據(jù)轉(zhuǎn)換為二維線條圖數(shù)據(jù)的形式，可以將數(shù)據(jù)有效的降維觀測(cè)和處理。針對(duì)動(dòng)作細(xì)節(jié)相似性的問題，我們選用了SIFT特征匹配算法檢索局部特征信息并進(jìn)行匹配，解決了不同關(guān)節(jié)不同通道數(shù)據(jù)之間的耦合問題。針對(duì)動(dòng)作節(jié)奏不一致的問題，我們對(duì)匹配后的特征點(diǎn)圖像進(jìn)行等時(shí)間間隔和等關(guān)鍵點(diǎn)比例的分段方式處理，