[发明专利]一种基于多目视频的人体动画生成方法

摘要

本发明公开了一种基于多目视频的人体动画生成方法，属于计算机动画技术领域，包括以下步骤首先，利用运动捕获数据，采用高斯过程潜变量模型运动降维方法，学习人体运动的低维空间；其次，利用多摄像机获取的视频，采用多目标粒子群优化人体运动分析方法，计算得到视频中的人体姿态参数；最后，利用人体姿态参数，采用运动重定向方法，驱动三维人体模型生成三维人体动画。本发明基于多目视频的人体动画生成方法能实时生成三维人体动画，具有实现成本低、分析精度高、运行稳定等特点。在电影动画、三维游戏、虚拟现实等领域具有广阔的应用前景。

主权项

一种基于多目视频的人体动画生成方法，其特征在于，包括以下步骤：步骤1：运动低维空间学习：利用人体运动捕获数据库，采用高斯过程潜变量模型运动降维方法，计算得到运动低维空间；步骤2：运动分析模型建模：建立低维姿态与图像特征的适应度函数，构建低维空间的姿态约束，建立基于约束多目标优化的人体运动分析模型；步骤3：人体姿态参数分析：采用多目标粒子群优化人体运动分析方法，求解人体运动分析模型，计算得到人体姿态参数；步骤4：三维人体动画生成：利用人体姿态参数，采用运动重定向方法驱动三维人体模型，生成三维人体动画；步骤1包括：步骤1‑1：采用运动链方法，将高维人体姿态表示为y＝{yg,yk}，y∈Y，Y为高维人体姿态空间；其中yg＝(αx,βy,γz)表示人体根节点的朝向，αx,βy,γz分别表示根结点与三维坐标轴x,y,z的夹角，yk表示人体关节点的欧拉角；步骤1‑2：从人体运动捕获数据库中选择一段人体运动捕获数据作为训练数据，训练数据表示为{yt|t＝1,...T}，yt为t时刻的人体姿态，t＝1,...,T，T为训练数据的数目，每个时刻对应一个训练数据；步骤1‑3：采用高斯过程潜变量模型方法，对训练数据{yt|t＝1,...T}中姿态的关节点欧拉角yk进行降维，得到关节点欧拉角yk的低维表示ys＝{y1,...,yD}，ys∈Ys，Ys为关节点欧拉角yk的低维状态空间，D为Ys的维度；步骤1‑4：将高维人体姿态y＝{yg,yk}降维后得到的低维姿态表示为x＝{yg,ys}＝{yg,y1,...,yD}，x∈X，X为运动低维空间；步骤2包括：步骤2‑1：对于多目视频中的视频v，v＝1,2,...,V，V为视频总数，采用混合高斯模型运动检测方法获取视频v中的人体剪影Zv；步骤2‑2：对于视频v，采用双向剪影匹配方法，建立低维姿态x＝{yg,y1,...,yD}与人体剪影Zv的适应度函数fv(x,Zv)，为每个视频v建立独立的目标函数，v＝1,2,...,V；步骤2‑3：对低维姿态x＝{yg,y1,...,yD}，计算低维姿态的第d维yd的最大值max(yd)和最小值min(yd)，d＝1,2,...,D；则每个低维姿态的每一维yd都满足以下姿态约束：min(yd)＜yd＜max(yd)，d＝1,2,...,D；步骤2‑4：基于适应度函数fv(x,Zv)，v＝1,2,...,V，以及姿态约束min(yd)＜yd＜max(yd)，d＝1,2,...,D，构建基于约束多目标优化的人体运动分析模型：其中，表示求解使目标函数F(x)最小的x的值。