[发明专利]基于样例的区分式三维运动恢复方法

说明书

技术领域

本发明涉及视频与图像处理领域，尤其涉及一种基于样例的区分式三维运 动恢复方法。

背景技术

区分式方法直接通过一些用于训练的已知真实姿态的图像样本学习得到从 图像特征空间到三维姿态空间的映射。这个映射可能是一个基于例子的数据库， 也可能是一个函数回归。在2000年R.Rosales和S.Sclaroff发表于CVPR的论文 《Inferring body pose without tracking body parts》和2006年A.Agarwal等人发表 在IEEE Transaction Pattern Analysis的论文《Recovering 3d human pose from monocular images》中，提到基于函数回归的方法，通过训练数据学习到一个从 图像特征空间到三维姿态空间的函数映射，并以此来计算新的图像特征所对应 的三维姿态。基于样例数据库的方法和本章内容直接相关，其通过在数据库中 检索图像特征来对每帧寻找可能的三维姿态，并通过时序上的连续性等约束保 证恢复出的姿态序列的连续性和平滑性。例如，Ren等人2005年在ACM Transaction Graph发表的《Learning silhouette features for control of human motion》 中使用三个相机从不同视角进行拍摄单人舞者的舞蹈图像，特征向量在先验数 据库中进行搜索，确定身体的朝向和三维姿态，并且利用一个事先设定好的双 人舞蹈的动作耦合，获得舞伴的舞蹈姿态，再将舞者和舞伴的运动都渲染出来。 R.Poppe在CVPR2007年发表的《Evaluating example-based pose estimation： Experiments on the humaneva sets》则从图像中人体的梯度直方图特征(Histogram of Gradients)恢复三维姿态。Howe在2007发表在Image Vision Compute的 《Silhouette lookup for monocular 3d pose tracking》，使用轮廓边缘的切线角度序 列以及Hausdorff距离进行轮廓检索，并使用马尔科夫链模型来保证运动在时序 上的连续性。

区分式方法的优点是计算速度很快，但准确度往往不及生成式方法。因此 区分式方法特别适合用于人机交互等追求速度而对准确率要求不很高的应用 中。

发明内容

本发明的目的是克服现有技术的不足，提供一种基于样例的区分式三维运 动恢复方法。

基于样例的区分式三维运动恢复的方法包括如下步骤：

1)利用占位图轮廓特征来描述从视频每帧图像中提取到的前景人体轮廓，将 轮廓所占的最小矩形包围盒区域，水平和垂直划分成若干方格，统计在每个独 立方格中前景像素所占的比例，依次连接起来构成特征向量，作为人体轮廓特 征；

2)利用每帧获得的人体轮廓特征，与样例数据库中保存的已知三维姿态的人 体轮廓特征进行比较，计算两者间的欧式距离，即根方差，求得欧式距离最小 的k个，得到k个最接近的人体轮廓特征，根据人体轮廓特征查找样例数据库， 最后返回这k个最接近的人体轮廓特征所对应的人体三维姿态，作为k个候选姿 态；

3)对每帧t的k个候选姿态，分别利用动态规划算法，进行前向搜索，计算 确定对第i个候选姿态的变量ω_ti和b_ti，其中ω_ti是终点为p_ti的所有可能路径中总权 重最小的路径的总权重，b_ti是回溯指针；

4)计算h_T＝arg min_iω_Ti，然后从t＝T-1到t＝1，反向回溯计算h_t＝b_t，ht，确定从 t＝1到t＝T的最佳路径h₁，h₂，...，h_T，其中h_i表示第i帧的候选姿态中被选中为最终姿 态的序号，得到全局最优的三维姿态序列其中为第t帧的第 h_i个候选姿态；

5)将得到的当前T时刻的全局最优的三维姿态和前Δt时间内所显示过的最 佳姿态进行加权平均，得到最终的三维姿态从而实现基于样例的区分式 三维运动恢复。