动态艺术数字化中的运动捕捉关键技术研究

发布时间：2019-10-14 07:16

【摘要】：我国民间舞蹈、戏曲身段、中国功夫等动态艺术种类繁多,资源极其丰富。然而,目前动态艺术面临传承人的去世而失传或者濒临失传,必须利用数字化技术对动态艺术进行有效的记录和保护。运动捕捉数据在动作表示、数据复用和数据管理等方面优于视频记录方式和动作谱,因此利用运动捕捉数字化记录动态艺术能够更有效的保护动态艺术。本文围绕运动捕捉技术数字化动态艺术这一课题中的数据获取和管理两个方面展开研究。动态艺术分布地域广,数据采集场地随意,而有标识运动捕捉系统不便于携带,且要求特定的场地。针对此问题,本文研究基于多视角的无标识运动捕捉技术,提供一种非接触的运动捕捉数据获取方法。重点研究了在未知背景下的前景提取方法和更鲁棒的人体姿态估计方法,致力于尽可能减少现有人体运动捕捉系统在实际应用中的限制,构建一个便携移动、能够处理复杂场景且准确获取人体姿态的人体运动捕捉系统。随着采集的数据越来越多,高效的数据检索是动态艺术数字化保护和应用的基础。针对运动捕捉数据不容易获取,检索样本输入难问题,重点研究了交互自然的运动捕捉数据检索方法。通过数据获取及管理,为我国动态艺术资源数字化提供一个可行有效的数字化平台。本文的主要研究工作如下：(1)提出了一种基于局部谱的前景(人体)联合提取方法。针对在未知背景模型和未知摄像机标定参数的情况下多视角图像前景提取难的问题,本文提出了一种基于局部谱的前景联合提取方法,即同时从两张或者多张图像中分割出含有相同或者相似的前景。将联合提取问题看成是一个图划分问题,然后利用Biased Ncuts方法通过拉普拉斯矩阵的谱的局部信息提取出我们关注的前景。本方法只需要标记出感兴趣的前景区域或者手动提取一张图像作为先验,而不是以往的标记前景和背景区域,大大减少了人工操作。适用于多视角的图像前景提取,能够处理未知背景模型及背景复杂的场景,提高了运动捕捉系统的灵活性。(2)提出了一种基于最近点对拓扑一致性约束的人体姿态估计方法。在基于生成式的姿态估计的框架中,姿态估计问题被看成是一个最优的人体模型匹配问题,包括建模和优化两部分。针对之前主要以轮廓、边缘匹配的外蕴相似度度量的姿态估计方法易陷入局部最小而导致姿态估计失败问题,在原有外蕴相似度的基础上,增加基于热扩散距离的内蕴相似度惩罚项,驱使人体先验模型的姿态和观察模型不仅达到轮廓边缘最优匹配,而且最近点对在流形空间中保持等距性,即在拓扑结构上也达到一致,提高姿态估计算法的精度和鲁棒性。在此基础上,针对粒子滤波在姿态估计中粒子数和迭代层数都固定的问题,提出了一种面向姿态估计的自适应粒子滤波算法。当肢体间严重自遮挡时,概率密度复杂,需要较多的粒子和迭代层数,此时人体模型和人体外形拓扑不一致,内蕴距离较大；相反,姿态简单,拓扑结构一致,只需要较少的粒子和迭代层数。基于此提出了基于拓扑一致性的自适应粒子滤波算法,在取得和已有的优化算法接近的精度下,花费更少的时间。(3)提出了一种基于拉班动作谱的运动捕捉数据检索方法。随着运动捕捉数据的日积月累,快速有效的从数据库中找出想要的动作数据是数据展示和应用的前提,但运动捕捉数据不像图像视频那样容易获取,直接输入运动捕捉数据作为检索样本是困难的。针对此问题,本文提出了一种基于拉班动作谱的运动捕捉数据检索方法。采用一种能读能写可编辑的人体动作二维符号——拉班动作谱来代替样本数据输入,通过拉班符号分级标注运动捕捉数据以及基于拉班动作分析(LMA)的排序策略,实现运动捕捉数据的快速有效检索。综合上述工作,构建一个基于运动捕捉的动态艺术数字化平台。通过多视角影像、运动捕捉数据以及拉班动作谱三种记录方式及相关管理和展示技术,构建一个面向动态艺术数字化的数据获取、数据保存、和数据管理及展示的支撑平台,完整全面的保护动态艺术文化资源。
【学位授予单位】：北京交通大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】