为了正常的体验网站,请在浏览器设置里面开启Javascript功能!

一种姿态无关的人体模型骨骼提取方法

2017-08-31 31页 doc 174KB 22阅读

用户头像

is_963767

暂无简介

举报
一种姿态无关的人体模型骨骼提取方法一种姿态无关的人体模型骨骼提取方法 计 算 机 研 究 与 发 展ISSN 100021239ΠCN 1121777ΠT P ( ) J o ur nal of Co mp ut e r Re sea rc h a nd Develop me nt 45 7: 124921258 , 2008 一种姿态无关的人体模型骨骼提取方法 1 ,2 ,3 1 ,2 1 ,2 1 ,2 ,3 于 勇王兆其 夏时洪 毛天露 1 ()中国科学院计算技术研究所虚拟现实技术实验室 北京 100190 2 (中国科学院计算技术研究所智能信...
一种姿态无关的人体模型骨骼提取方法
一种姿态无关的人体模型骨骼提取 计 算 机 研 究 与 发 展ISSN 100021239ΠCN 1121777ΠT P ( ) J o ur nal of Co mp ut e r Re sea rc h a nd Develop me nt 45 7: 124921258 , 2008 一种姿态无关的人体模型骨骼提取方法 1 ,2 ,3 1 ,2 1 ,2 1 ,2 ,3 于 勇王兆其 夏时洪 毛天露 1 ()中国科学院计算技术研究所虚拟现实技术实验室 北京 100190 2 (中国科学院计算技术研究所智能信息处理重点实验室 北京 100190) 3 () 中国科学院研究生院 北京 100049 ( )yyu @ict . ac . cn Pose2Independent Joint Extract ion f rom Scanned Human Body 1 ,2 ,3 1 ,2 1 ,2 1 ,2 ,3Yu Yo ng, Wa ng Zhao qi, Xia Shi ho ng, a nd Mao Tia nl u 1 ( )V i rt u al Re al i t y L aborat o r y , I ns t i t ute o f Com p ut i n g Tec h nol o g y , Chi nese A c a de m y o f S cie nces , B ei j i n g 100190 2 ( Ke y L abo rat or y o f I ntel l i ge nt I n f o rm at i on P rocess i n g , I nst i t ute o f Com p ut i n g Tec h nol o g y , Chi nese A ca de m y o f S ciences , )B ei j i n g 100190 3 ( )Gra d u ate U ni ve rs i t y o f Chi nese A c a de m y o f S cie nces , B ei j i n g 100049 Abstract Wit h t he develop me nt of 3D sca nni ng t ech nique , joi nt e xt ractio n f ro m sca nned h uma n bo dy mo del i s o ne of t he mo st active re sea rc h a rea s i n vi rt ual h u ma n mo deli ng. Ma ny diff ere nt app roache s have bee n p ropo sed wit h t he ai m of e xt racti ng joi nt s f ro m sca nned h u ma n bo dy. B ut mo st of t he se met ho ds ca n no t gua ra nt ee po se2i ndep e nde nce , w hile o t he r met ho ds w hic h ca n e n sure po se2 i ndep e nde nce requi re ma nual i nt e r ve ntio n . To sol ve t hi s p ro ble m , a new f ra mewo r k i s p re se nt e d fo r a uto matic po se2i ndep e nde nt joi nt e xt ractio n f ro m sca nned h uma n bo dy . Fi r st l y , a new Mo r se f unctio n i s defi ned o n t he sca n ne d h uma n bo dy shap e a s geo de sic di st a nce f ro m poi nt s to a so urce poi nt w hich ca n be e xt ract e d by a he uri stic met ho d. Seco ndl y , t he Mo r se f u nctio n i s calc ulat e d , a nd t he n f eat ure poi nt s a nd topolo gical st r uct ure of t he mo del shap e ca n be e xt ract ed a uto maticall y acco r di ng to Mo r se t heo r y. Fi nall y , shap e i s divi ded i nto se gme nt s ba se d o n Mo r se f unctio n i soli ne s , a nd joi nt s ca n be e xt ract e d f ro m t he co r re spo ndi ng segme nt s of t he h uma n bo dy shap e by a nal yzi ng t he ci rc ula rit y of Mo r se f unctio n i soli ne s of t he mo del . Exp eri me nt s ha ve bee n do ne o n 20 sca nne d h uma n bo die s wit h a bo ut 5000 f ace s a nd 2300 poi nt s i n eac h bo dy shap e . The e xp eri me nt re sult s de mo n st rat e t hat t hi s met ho d i s a po se2i ndep e nde nt a nd a uto matic met ho d , a nd i s mo re accurat e t ha n p revio u s met ho ds. Key words vi r t ual h uma n ; skeleto n e xt ractio n ; Mo r se t heo r y ; po se2i ndep e nde nce ; sca n ned mo del 摘 要 随着三维扫描技术的逐渐成熟 ,三维人体扫描模型的骨骼提取逐渐成为虚拟人建模研究领域的 热点之一 . 现有的三维人体模型骨骼提取方法 ,存在手工标注任务繁重 、对模型姿态过于敏感 、计算结果 不准确等问题. 提出了一种新的三维人体模型的骨骼提取算法 : 首先 ,根据 Mo r se 原理 ,将测地距离作 为 Mo r se 函数的要素 ,实现姿态无关的人体模型特征点以及拓扑结构的提取 ; 其次 ,将测地距离等值面 作为基础数据 ,采用截面似圆性判别准则提取模型关节中心所在等值面 ,从而获得关节中心的准确结 果. 实验结果表明 ,与已有算法相比 ,该方法具有模型姿态无关 、计算结果准确等特性 ,并且能够完全自 动地提取三维人体扫描模型的骨骼. - - - - 收稿日期 : 2007 10 23 ;修回日期 :2008 03 26 基金项目 : 国家自然科学基金项目 ( 60403042 ,60573162 ,60703019) ;国家“九七三”重点基础研究发展规划基金项目 ( 2002CB312104) 关键词 虚拟人 ;骨骼提取 ; Mo r se 原理 ;姿态无关性 ;扫描模型 中图法分类号 T P391 . 41 随着非接触测量技术的发展 ,物体的表面信息基于物理特征的方法根据人体形状的固有特 可由三维扫描仪方便地获取 . 基于这种扫描技术建 征 ,利用截面周长 、平均半径 、曲率等信息计算人体 立的三维人体模型 ,能够真实地再现人体外形的个 模型表面的特征点 ,提取人体关节中心的位臵. [ 3 ] 性化信息 ,是一种准确可靠的虚拟人几何表示方法 . N ur re最早提出利用一组水平截面将直立模 型截取为多层轮廓 ,并根据每层截面轮廓的凸包的 这种表示方法虽然可以提供大量的人体外形信息 , [ 4 ] 位臵与尺寸 ,将模型分为 6 个部分. J u利用一组水 但不具备任何人 体语 义 信息 , 给 角色 动 画 、服 装 仿 平截面截取扫描人体模型 ,根据各层截面中椭圆轮 真 、三维检索等后续研究带来了很大的障碍. 廓的周长变化规律提取出了每 个部 分所 包 含的 关 三维人体扫描模型骨骼提取 ,就是对三维人体 [ 5 ] [ 6 ] 节 . De k ke r 和 B uxto n等人通过局部曲率提取人 扫描模型的点 、面等信息进行 ,获取三维模型的 体表面凹 、凸以及马鞍特征 ,并由此提取人体模型的 语义信息 ,提取三维模型的关节中心 . 三维人体模型 [ 7 ] [ 8 ] ,语义特征点 . 在此基础上 , Ma和 J oao 等人利用 骨骼提取研究是虚拟人建模领域的一个重要研究方 向 ,是研究虚拟人运动的重要基础. 扫描模型的水平截面信息 ,提取模型的中心线 ,根据 ( ree nt ra ncy 算法检测人体分支处的基本特征点 左 由于三维人体模型上点面的信息量大而且无 ) 右腋下 、胯下,根据局部曲率提取与关节中心有关 序 ,模型的朝向以及姿态可能各不相同 ,因此给模型 的人体局部特征点 ,将中心线上与局部特征点距离 的骨骼提取带来了很大的困难 . 经过多年的研究 ,国 最近的点作为关节中心 . 以上方法大都能够实现扫 内外研究者虽然取得了一些重要的研究成果 ,但距 描人体模型关节的自动提取 ,但是 ,由于这些算法大 离实用化仍然有相当距离. 例如 :现有方法或者结果 都采用平行截面截取模型 ,其计算结果随模型姿态 、精度不足 、或者计算效率太低 、或者需要烦琐的手工 交互 ,最主要的 ,它们大都是与人体模型姿态相关的 体形等因素的改变而变化 ,当人体模型姿态与 ( 姿态相差较大时 ,无法获取正确的拓扑结构 ; 其次 , 算法 ,只能处理标准姿态模型 竖直站立 ,四肢自由 ) 下垂 ,摆放于身体两侧. ( 提取关节中心所采用的特征 如 轮廓 周 长 、平均 半 ) 本文对姿态无关的三维人体扫描模型的骨骼提 径多数不能反映关节中心的人体解剖学意义 ,因而 [ 9 ] 取进行了研究. 首先 ,我们利用测地距离 ,计算人体 计算结果不够准确. Wer ghi 等人将人体表面各点 模型的特征点 ,提取人体模型的拓扑结构 ,然后 ,根 之间测地线距离作为 Mo r se 函数 ,构造了离散 Ree b ( ) 据似圆性函数 ,分析每个测地距离等值面 ,提取模型 图 di scret e Ree b grap h ,D R G,根据该图以及人体 的关节中心 . 测量学的先验知识实现了任意姿态扫描人体模型的 分块. 该算法比较鲁 棒 , 但 只完 成了 人体 模 型的 分 块 ,并没有实现关节中心的提取 . 1 相关工作 [ 10 ] 此外 ,L aw so n 等人提出利用体素化方法将 多边形网格模型离散化 ,然后计算模型的离散中间 近年来 ,很多研究者针对三维扫描人体模型骨 骼提取展开了广泛的研究. 已有方法主要分为两类 : ( ) 面 di scret e me dial surf ace ,DM S,并提取模型的骨 基于的方法和基于物理特征的方法. 架 . 该算法能够快速计算出模型的骨架 ,但关节的位 [ 1 ] [ 2 ] Alle n和 Seo 等人采用了基于模板的方法提 臵和数量均与真实人体的实际情况不符 ,很难利用 取关节中心 . 首先选取一个可驱动的模型作为模板 , 通用的运动捕获数据进行驱动. 在模板模型和目标模型上手工标注具有相同语义信 国内在人体模型骨骼提取方面的研究也取得了 [ 11 ] 息的特征点 ,利用优化算法将模板模型的骨骼和绑 重要的进展 . 胡晓雁等人提出了基于语义分析的 定权重映射到目标模型上. 这种方法可以获取目标 懒匹配算法 ,根据运动数据的骨架结构 ,由模型中心 模型的关节中心以及皮肤绑定信息 ,但是 ,手工工作 线提取模型关节中心 . 该方法能够生成与运动数据 烦琐且主观性较强 ,无法保证关节中心的准确性 ;其 匹配的骨骼 ,但是只能处理标准姿态的人体模型. 冯 [ 12 ] 次 ,该方法算法时间复杂度较高 ,无法快速处理大量 晋涛在对三维模型进行网格压缩的过程中 ,附加 的三维扫描人体模型 . 了网格简化的限制条件 ,根据简化结果中的模型拓 于 勇等 :一种姿态无关的人体模型骨骼提取方法 1251 [ 13 ] 扑信息生成了模型骨骼 . 黄 坤武 等人利 用 Ree b 扑结构 ;在关节中心提取阶段 ,我们将测地距离等值 [ 18 ] 图计算模型的拓 扑连通性以及姿态 ,生成了适用于 面作为基础数据 ,以人体解剖学的常识为指导 ,采 三维模型检索的模型拓扑结构. 以上两种方法可以 用截面似圆性判别准则提取模型关节中心所在等值 从姿态各异的模型中提取出中心线信息 ,但是无法 面 ,从而获得较已有算法更为准确的关节中心结果. [ 14 ] 生成人体的关节中心 . 庄越挺等人在摄像机定标 的基础上 ,应用三维人体模型知识和运动连续性依 次建立每个图像的人体运动骨架 ,从而实现运动图 像序列的人体三维运动骨架重建 ,但该方法无法直 [ 15 ] [ 16 ] 接提取三维模型的骨架 . Ver ro u st 和 O da等人 通过构造不同的 Mo r se 函数 ,提取模型的拓扑结构 以及骨骼 ,但是结果不够准确 ,并且需要人工干预 . Fig. 1 Flo w chart of o ur met ho d. [ 17 ] Yu 等人提出了基于轮廓似圆性函数的骨骼提取 图 1 算法框架图 方法 ,能够得到人体模型关节中心的准确结果 ,但是 ) 无法实现姿态无关的骨骼提取 . 本文方法与 Yu 等 本文方法的优点在于 :1采用拓扑结构自动提 [ 17 ] 人的方法同样采用了基于轮廓似圆性函数的骨 取技术 、关节中心自动提取技术 ,实现了模型骨架提 [ 17 ] ) 骼提取方法 ,不同之处在于 , Yu 等人在轮廓的获 取的完全自动化 ;2由于采用了人体解剖学知识指 导关节中心的提取 ,基于似圆性的关节中心判定准 取方法上 ,采用平行平面截取模型 ,该方法只适用于 ) 标准姿态模型 ; 而本文通过基于测地距离的 Mo r se 则保证了关节中心的准确性 ;3由于采用了模型的 函数计算获得模型轮廓 ,能够实现姿态无关的骨骼 测地距离作为 Mo r se 函数的基本元素 ,只要模型的 ( ) 提取. 拓扑结构不发生变化 如肢体之间相互接触,该算 经过多年的发展 ,扫描模型的骨骼提取方面取 法就能够实现姿态无关的三维人体扫描模型的关节 得了许多重要的研究成果. 已有的三维扫描人体模 中心提取 . 型骨骼提取方法都难以同时满足鲁棒 、准确和姿态 无关这 3 个方面的要求 ,主要原因有以下几点. 模型拓扑结构提取3 人体姿态 :扫描人体模型的姿态多种多样 ,但目 模型拓扑结构的提取是本文的模型骨骼提取算 前的所有技术系统都只能针对 特定 姿态 的人 体 模 法的基础 . 具体来说 ,它不仅为模型的分割提供了重 型 ,缺乏鲁棒的处理框架 . 要的指导 ,也为骨骼提取算法提供了数据源 . 模型的截取 :使用水平平面截取模型 ,结果与模 在模型拓 扑 结 构 的 提 取 阶 段 , 我 们 采 用 Ree b 型朝向以及肢体朝向密切相关 ,无法处理非标准姿 图刻画模型的全局拓扑结构 ,在此基础上 ,将模型分 态的模型 . 用测地距离等值面截取模型 ,截取结果与 割为躯干 、四肢 5 个部分 ,然后 ,利用测地距离等值 Mo r se 函数的构造存在密切关系 ,已有方法大多无 面抽象表示各个肢体的形状. 法为关节中心的提取提供合适的等值面数据 . 下面介绍本文涉及的一些定义 . 关节中心判定算法 : 目前的判定算法大多无法 3 . 1 相关定义 体现出人体解剖学中关节中心的内在物理意义 ,因 [ 19 ] Mo r se 原理能够 根 据光 滑流 形上 某 个光 滑 此提取算法不够准确 . () 函数的临界点 最大 、最小 、鞍点计算流形的拓扑 . 对于一个定义在封闭紧致流形 M 上的光滑函数 f , 2 算法概述 Mo r se 原理揭示了函数的临界点与流形 M 的拓扑 [ 20222 ] 结构之间的关系. 针对目前存在的问题 ,本文提出了一种新的三 定义 1 . 临界点定义 :设 f 是光滑流形 M 上的 ( ) 维人体扫描模型骨骼提取算法 图 1. 整个处理过 一个光滑实值函数 , 如果存在点 p ?M , 在点 p 的邻 程包括模型拓扑结构提取 、关节中心提取两个部分 . ( ) U 中选取局部坐标系 x, x,, x , 有域 1 2 n 在模型拓扑结构提取阶段 ,我们将 Mo r se 函数定义 5 f 5 f ( ) ( ) p= = p= 0 , 5 x1 5 x n 为各点到头部特征点的测地距离 ,并计算模型的测 那么 , 点 p 就称为函数 f 的临界点 . 地距离等值面 ,自动提取人体模型的特征点及其拓 定义 2 . Mo r se 函数定义 :对于一个给定的光滑准确提取出人体模型的拓扑结构 . 因此 ,我们必须构 流形 M 和一个函数 f : M ? , 如果 f 的所有临界点 造一个 Mo r se 函数 ,当人体模型发生刚性变形或者 都是非退化的 , 即函数 f 的 He ssia n 矩阵在临界点 非刚性变形时 ,只要人体模型的拓扑结构不变 ,该函 处是非奇异的 , 那么我们称函数 f 为 Mo r se 函数. 数的值就不会发生改变 . 对于一个给定的光滑流形 M 和一个 Mo r se 函 数 f , Ree b 图可以描述函数 f 临界点的构成及其相 互关系 , 并提供了描述流形 M 拓扑结构的方法 . 定义 3 . Ree b 图 、水平集曲线定义 :设 f : M ? 是流形 M 上的一个 Mo r se 函数 , 定义 M 上的等价 ( ( ) ) ( ( ) ) 关系 R 为 : x , f x, y , f y, x ?M , y ?M , 当 ) ( ( ) 且仅当 f x= f y, 其中 x 和 y 是同一连通分量 中的点. M 关于 R 的一个等价类 , 叫做水平集曲线 ( ) level2set2cur ve. f 的 Ree b 图 G 是 M 关于 R 的一 个商空间 . Ree b 图中每个点都对应 M 关于 R 的一个等价 类 L evel2set2c ur ve . L evel2set2c ur ve 就是流形 M 上 具有相同 Mo r se 函数值并且相互连通的点构成的 ( )Fig. 2 Mo r se f unctio n wit h diff erent start point s. a 圈 . 根据 Mo r se 函数的等值线 , 可以将模型截取为 ( ) () ( ) bcdMo r se f unctio ns ba sed o n geo desic s di sta nce s 若干层. 相邻层 L evel2set2cur ve 数目的变化 ,对应于 wit h diff erent sta rt point s : top of head , cro tch , end of ( ) ha nd a nd end of foo t , respectivet y ; a nd c Mo r se 三维模型上临界点的变化 , Ree b 图的变化也对应着 f unctio n i s defined a s height f unctio n. 三维模型拓扑结构的变化. 因而 ,我们可以通过相邻 ( ) ( ) ( ) ( )图 2 基于不同 Mo r se 函数的计算结果 . abcd 层 L evel2set2c ur ve 数目变化 , 获取三维模型拓扑结 分别为由以头顶 、胯下 、手末端 、脚末端为源点 ,基于测地 构 . ( ) 距离的 Mo r se 函数的计算结果 ; e基于高 度的 Mo r se 定义 4 . 测地距离定义 :测地线是连接曲面上给 函数的计算结果 定的两点之间的最短路径 , 曲面上两点之间的测地 近年来 ,一些研究者选取测地距离作为 Mo r se ( 线的长度就是这两点之间的测地距离 . 本文用 g x , 函数基本要素 ,其优点是当人体朝向或者姿态发生 ) y表示点 x 和点 y 之间的测地距离 . 变化时 ,模型上各个顶点之间的测地距离基本保持 定义 5 . 中心线定义 :对于每个 L evel2set2cur ve 不变 ,这一点保证了 Mo r se 函数值与人体朝向和姿 态的无关性 ,也就保证了算法的鲁棒性 . 但是 ,如何 都可以求 解 一 个 重 心 , 连 接 相 邻 层 相 应 L evel2set2 利用测地距离构造 Mo r se 函数是这类方法的核心 cur ve 的重心 , 就构成了一个模型的中心线 . 问题 ,也是能否计算 得 到准 确结 果 的关 键问 题 , 同 3 . 2 构造 Morse 函数 时 ,在本文中 ,Mo r se 函数的构造还涉及到对关节中 由上节的定义可知 , Mo r se 函数的选取会直接 心提取工作的数据指导 . 因此 ,如何充分利用测地距 影响模型拓扑结构的提取结果 . 好的 Mo r se 函数不 离函数的优点 ,构造恰当的 Mo r se 函数是本文工作 [ 9 ] 的基 础 . Wer ghi 等 人选 取 测 地 线 距 离 和 作 为 但应该准确地提取出模型拓扑结构 ,还应适用于非 Mo r se 函数 ,计算复杂度高 ,效率无法保证. 标准姿态的模型 ,更重要的是 ,能够为关节中心提取 由于人体结构具有左右对称性 ,如果不考虑脚 提供数据指导. 部 、头部等部位形状的微小差异 ,人体结构还具有前 选取 Mo r se 函数的一种朴素想法是 : 选取高度 后对称性 , 那么 , 我们构造的 Mo r se 函数必须能够 ( ) 函数 f x , y , z= y 作为 Mo r se 函数 . 将该函数应用 反映人体的这种特性 ,即对称的部位应当具有相同 到标准姿态 的 人 体 模 型 上 , 可 以 得 到 模 型 的 Ree b 或者相近的 Mo r se 函数值 . (() ) 图以及 L evel2set2cur ve 图 图 2 e. 我们采用起始点到其他顶点的测地距离函数 g 这种由高度函 数生 成 的 Ree b 图 , 依 赖于 模 型 ( ) v, x作为 Mo r se 函数 ,那么起始点的选取将会 so urce 的姿态以及朝向. 对于非标准姿态的人体模型 ,模型 影响人体模型上 Mo r se 函数值的对称性. 我们假设 的姿态和朝向都可能是任意的 . 对于这种情况 ,采用 高度函数作为 Mo r se 函数就不能保证 Ree b 图能够 于 勇等 :一种姿态无关的人体模型骨骼提取方法 1253 一个标准姿态的人体模型 ,重心位于坐标系原点 ,人距离最大的顶点 v , 将 v 作为末端特征点之一 , 添加 体模型面朝坐标系的 Z 轴正方向 , 左侧为坐标系的 入末端特征点集合 V . 然后搜索与集合 V 中各点的 测地距离和最大的点 , 作为新的末端特征点 , 直到新 X 轴正方向 , 坐标系为右手坐标 系. 如果 只考 虑 人 特征点与集合 V 中的特征点测地距离足够小为止 . 体结构的左右对称性 ,那么起始点的候选位臵就是 ( ( ) ) 算法描述如下 : 平面 x = 0 截取模型所得的轮廓 图 3 a,如果只 算法 1 . 人体模型末端特征点的自动提取. 考虑人体结构的前后对称性 ,那么起始点的候选位 ) ( ( ) ) 1在模型 M 上任选一点 p ?M , 求解满足 式 臵就是平面 z = 0 截取模型所得的轮廓 图 3 b. ( ) 2的点 y . 同时考虑人体结构两种对称性质 ,那么满足该条件 ( ) ( ( ) ) ( )( ( ) ) 2 的起始点只有头顶和胯下两处的顶点 图 3 c. 选 g p , y= ma x g p , vi , vi ? M . )将点 y 加入点集合 V 中. 取胯下顶点作为起始点 ,生成的拓扑结构图与人体 2 )的拓扑结构有较大差异 ,而选取头顶顶点作为起始 对于所有的 x ?M , 求解 3 源点 , 不 但 能 够 保 证 人 体 的 两 种 对 称 性 , 生 成 的 ( ) ( ) f x= g x , v.? v ?V Ree b 图与人体的拓扑结构也非常相近 ,因此我们采 ( ( ) ) ( ) )求解点 y ,使得 f y= max f vi , vi ?M. 4 用头顶顶点作为起始点 , 求解 Mo r se 函数. 图 2 的 )( ( ) ) 5 计算 g= ma x g v, v , v?V , v ?V . max i j i j () ( ) () ( ) abcd分别为 :由以头顶 、胯下 、手末端 、脚末 )如果 mi n ( g ( y , v) ) < a g, v?V , 或者集 6 i max i 端为源 点 , 基 于 测 地 距 离 的 Mo r se 函 数 的 计 算 结 ) 合 V 中只包含一个元素 , 重复步骤 2, 否则算法结 () 果 ,图 2 e为基于高度的 Mo r se 函数的计算结果 . 束 . ) 步骤 6中 , a 为控制系数 , 控制末端点的选取 , 这里取 a = 0 . 2 . 实验证明 , 该算法不仅可以求解人 体模型的末端特征点 , 也可以应用于其他模型末端 ( ) 点的求取 图 4. ( ) Fig. 3 Candidate po sitio n of sta rt point . a Co nto ur ( ) cut by pla ne x = 0 ; bCo nto ur cut by plane z = 0 ; and () cSho w s inter sectio n point of t wo co nto ur s. Fig. 4 End poi nt s. () 图 3 起始点候选位臵 . a平面 x = 0 截取模型所得的 图 4 末端特征点 ( ) () 轮廓 ; b平面 z = 0 截取模型所得的轮廓 ; c两个轮 由于人体模型具有对称性 , 头部末端到 2 个上 廓的交点 肢末端的距离相等 , 同样到 2 个下肢末端的距离也 (),可以通过式 1 相等. 我们可以利用该特性 , 从 5 个末端特征点中自 在选取头顶顶点作为起始点后 动提取出头部的末端特征点 vhead ,从而实现 Mo r se 所示的 Mo r se 函数计算得到人体模型 Ree b 图 , 由 ( ( ) ) 此获取人体模型拓扑结构的准确结果 ,同时可以得 函数 式 1的自动求解. 到相应测地距离等值面. 由于这些测地距离等值面 3 . 4 模型拓扑结构 对于三维人体模型 ,其拓扑结构可以通过 Ree b 与人体模型姿态不相关 ,因此 ,可以作为姿态无关的 () 人体模型关节中心提取的指导 . 图表示. 通过式 1可以计算模型的 Mo r se 函数. 根 m ( x) = g ( x , v) . ( )head 1 据模型上的函数等值线 ,模型被截取为若干层. 我们 可以通过相邻层 L evel2set2cur ve 的数目变化 ,获取 在下一小节中 ,我们提出了一种自动提取人体 (三维模型的拓扑结构 . 模型末端特征点 包括四肢末端和头顶 5 个部位的 ) 特征点的算法 . 通过该算法 ,我们可以自动实现姿 L evel2set2c ur ve 的求解可以归结到模型上各点 态无关的人体模型末端提取. 测地距离的计算 ,而两点之间的测地距离可以通过 3 . 3 特征点提取 Dij k st ra 的最短路径算法近似求解. 拓扑 结 构求 解 ( 算法如下 : 我们提出了一种人体模型末端特征点 包括四 ) 肢末端和头顶 5 个部位的特征点的自动提取算法 . 算法 2 . 拓扑结构求解算法. ) 其基本思想是 :由模型上任取一点 ,求解与该点测地 1对 于 所 有 的 x ?M , 通 过 Dij k st ra 的 最 短 ( ) 路径算法 , 计算式 1所示的 Mo r se 函数值. ) 2设 a为所有点的 Mo r se 函数的最大值 , 设 max 4 提取关节中心 b= aiΠn , i ?[ 0 , n ] . 检测模型上所有的三角形 , 求 i max ( ) ( )> op q , 设 m o解 m x= bi 的点 . 如图 5 所示 ?我们根 据上 节 得到 人 体 模 型 L evel2set2cur ve , ( ) ( ) ( ) bi , m p< bi , m q< bi , 根据式 3可以计算出点 c 可以计算每个 L evel2set2c ur ve 的重心 ,这些重心的 坐标 , 同理 , 点 d 坐标也可以得到 . 由于 c d 在同一个 集合构成了人体模型的中心线. 关节中心的提取 ,就 三角形中 , 因而 c d 是相互连通的 . 是根据 L evel2set2c ur ve 的物理性质 ,从中心线中提 bi - ( )m o 取出与真实人体关节中心位臵 相近 或者 相 同的 重 )( ( )c = + o. 3 p - o ( ) ( )m p- m o 心 ,作为人体模型的关节中心 . 关节 中 心 的 提 取 算 法 采 用 基 于 似 圆 性 的 方 [ 17 ] [ 4 ] 法,该方法与基于周长的方法、基于平均半径 [ 7 ] 的方法相比 ,优点在于该方法提出了基于人体解 剖学的假设 :模型的关节附近 ,截面形状由于骨骼末 端的影响而呈现不规则形状 ;反之 ,骨骼中部由于肌 Fig. 5 Co mp uting Mo r se f unctio n. 肉 、结缔组织的均匀覆盖而呈现类圆形状 ;并根据该 图 5 Mo r se 函数计算示意图 假设 ,提出了基于似圆性的关节中心提取算法 ,通过 ) 3连接具有相同 Mo r se 函数值并且相互连通 分析 L evel2set2c ur ve 的似圆性 ,获取关节中心位臵 . 的顶点 , 可以得到 Mo r se 函数等值 线. 一组 Mo r se 本文的不同之处在于 ,通过基于测地距离的 Mo r se 函数等值线可以包含多个 L evel2set2c ur ve . 函数计算 L evel2set2cur ve , 而 文 献 [ 17 ] 则 采 用高 度 ) 4由相邻的 Mo r se 函数等值线包含 L evel2set2 函数作为 Mo r se 函数 . 下面 , 我们简单介绍基于似 cur ve 数 目 的 变 化 , 提 取 模 型 的 临 界 点 , 同 时 计 算 圆性的关节中心提取算法 . Ree b 图 . () 首先 ,通过式 4计算得到每个 L evel2set2cur ve ) 5以 Ree b 图中胯下 、腋下临界点的 Mo r se 函 的中心 ,生成整个模型的中心线 . 数值为阈值 ,以 L evel2set2cur ve 为边界 ,可以将人体 n () 模型分割为四肢 、躯干 5 个组成部分 图 6. 1 )( = 4 p, p? M , p ij ij i i ? n j = 1 其中 , M i 为第 i 个 L evel2set2cur ve , pij 是 M i 上的点. π( ) 4s M ( )( )h M = .5 2 ( )cM ( ) 然后 , 根据式 5计算所有 L evel2set2c ur ve 的似 圆性函数 . 其中 , M 为 L evel2set2cur ve , s 为 M 的面 积 , c 为 M 的周长 , h 为 M 的似圆性函数. 根据人体 解剖学假设 , 当 M 的重心与关节中心距离最近或者 重合时 , M 的形状与附近的 L evel2set2cur ve 相比更 ( 不规则 , 故值 h 在关节处能够取得局部极小值 图 ) 7. ( ) 通过式 6, 可以由所有轮廓中 , 计算出关节中 ( ) 心所在的 L evel2set2c ur ve . 最后 , 由式 7可以计算 ( ) 得到人体模型关节中心 见图 8. π)( 4s M i ( ) )( = a r gmi n Mjoint = a r gmi n h M i , 2 ( )cM i ( )6 ( )( ) b Fig. 6 Topolo gy of mo del . a L evel2set2curve ; 其中 , Mjoint 是关节所在的 L evel2set2cur ve . () ( ) Centerli ne ; cReeb grap h ; and dDivi sio n. n ( )图 6 模型拓扑结构 . ( a ) 模 型的 L evel2set2curve ; b 1 p= p ,)( joint j p j ? Mjoint . 7 ? 中心线 ; (c) 模型的 Reeb 图 ; ( d) 分块结果 n j = 1 于 勇等 :一种姿态无关的人体模型骨骼提取方法 1255 ( ) ( )( ) a r m ; b Circula rit y f unctio n of to r so ; a nd c Fig. 7 Circula rit y f unctio n a nd mo del . a Ci rcula rit y f unctio n of Circula rit y f unctio n of leg. () ( ) () 图 7 似圆性函数与模型对照图 . a上肢的似圆性函数 ; b躯干的似圆性函数 ; c下肢的似圆性函数 的拓扑结构 ,因而 ,关节中心的计算结果非常相近 , 误差小于 0 . 5 %. Fig. 8 J oint s of scanned huma n bo dy. 图 8 关节中心图 5 实验结果 本文的所有实验均在一台 P4 3 . 0 GHz ,内存为 1 GB 的 PC 机 上 进 行 , 编 程 环 境 为 Wi ndo w s Π Vi sual C + + . net 2003 环境. 实验采用的所有人 体 模型均由三角网格构成 ,模型面片数为 5000 个 ,点 Fig. 9 Topolo gy of o ur met ho d a nd p revio us met ho ds. 数约为 2300 个 . () ( ) () ( ) ( ) () abcRe sult s of o ur met ho d ; def Result s of 5 . 1 人体关节中心提取结果 p revio us met ho d. 为了验证算法与模型朝向的无关性 ,算法与人 ( ) ( ) ( ) 图 9 不同朝向模型计算结果 . abc为本文算法 体姿态的无关性 ,我们做了以下两组实验 . 结果 ; ( d) (e) (f ) 为前人算法结果 . 首先 ,我们对不同朝向的人体模型进行关节中 其次 ,我们对不同姿态的人体模型进行关节中 心的提取 ,并将本文算法与基于高度函数提取模型 () ( ) 心提取. 图 10 a为模型的 L evel2set2cur ve ,图10 b[ 4 ,7 ,17 ] ( ) ( ) 拓扑结构的前人算法进行了比较 . 图 9 ab( ) ( ) ( ) 和图 10 d为模型的中心线 ,图 10 c和图 10 e是 () ( ) () () c三图为本文算法结果 ,图 9 def 三图为前人 根据 L evel2set2c ur ve 和中心线的位臵 ,通过似圆性 ( ) ( ) 算法 的 结 果 . 其 中 , 图 9 a 和 图 9 d 为 模 型 的 算法计算得到的关节中心的位臵 . 从图 10 中可以看 ( ) ( ) L evel2set2c ur ve ,图 9 b和 图 9 e 为 模 型 的 Ree b 出 ,本算法非常鲁棒 ,对于人体姿态各异的模型 ,均 () 图 ,图 9 c是本文计算得到的关节中心的位臵 , 图 可以得到正确结果. () 9 f 是前人算法获取的拓扑结构示意图. 从图 9 中 5 . 2 准确性分析 可以看出 ,前人算法对于模型朝向非常敏感 ,不仅头 为了验证算法的准确性 ,本文选取了 20 个人体 部顶点的位臵随模型朝向变化出现错误 ,甚至模型 扫描模型 ,并选取了 4 段肢体 ———前臂 、上臂 、大腿 、 的拓扑结构都会随朝向而变化. 以上两个因素导致 [ 4 ] 小腿作为对比指标 ,比较本文算法 、基于周长、基 前人算法无法正确提取任意朝向模型的关节中心 . [ 728 ] [ 17 ] 于特 征 提 取和 基 于 似 圆 性这 4 种 算 法 计 算 而本算法对于人体朝向各异的模型均可以得到正确 的结果. 基于周长的方法 、基于特征提取的方法和基 于似圆性的方法都将水平面截取得到的轮廓重心作 ( ) 为中心线 ,即关节中心的候选集合 ,由图 11 c和图 ( ) 11 d可以看出 ,3 种方法计算结果的相对误差都比 ( )较大 ,而本文算法的相对误差大多在 - 10 % ,10 % ( )Fig. 10 Result s of mo del s in diff erent po ses. a ( ) ( ) () () L evel2set2curve s ; bdsho w centerline s ; cesho w joint s. ( ) 图 10 不同姿态模型的关节中心提取结果 . a为模型 ( ) ( ) () ( ) 的 level2set2curve ; bd模型的中心线 ; ce关节 中心的位臵 结果的相对误差. 图 11 为各算法计算结果相对误差 () ( ) 的对比图 . 图 11 a和图 11 b分别为大腿长度相对 误差和小腿长度相对误差的对比图 ,由图中可以看 出 ,基于 周 长 的 方 法 得 到 的 大 腿 长 度 比 真 实 值 大 10 %左右 ,而小腿长度比真实值小 20 %左右 , 这是 因为 :踝关节附近截面周长的最小值通常在关节上 方 5c m 处取得 ,而膝关节附近截面周长的最小值通 常在关节下方 5c m 处取得 ,因而导致算法出现系统 误差. 基于特征提取的方法计算得到的大腿相对误 ( ) ( 差在 - 10 % , 20 %范 围 内 , 小 腿 相 对 误 差 在 - ) 10 % ,20 %范围内. 基于似圆性的算法和本文算法 ( ) 得到的大小腿相对误差均在 - 10 % ,10 %范围内 , 相对于前两种算法 ,基于似圆性的算法和本文算法 ( ) Fig. 11 Relative er ro r . a Relative er ro r of t highs ; 误差较小 ,并且更加稳定 . ( ) ( ) bRelative er ro r of legs ; c Relative er ro r of upper () ( ) 图 11 c和图 11 d分别为上臂长度相对误差 ( ) a r ms ; a nd dRelative er ro r of lo wer ar ms. 和前臂长度相对误差的对比图. 由于本文的扫描模 ( ) ( )图 11 相对误差对比图 . a大腿长度相对误差 ; b 型大多采 用 图 8 所 示 的 姿 态 , 采 用 高 度 函 数 作 为 ( ) ( ) 小腿长度相对误差 ; c上臂长度相对误差 ; d前臂 Mo r se 函数提取中心线的方法很难得到稳定 、准确 长度相对误差 于 勇等 :一种姿态无关的人体模型骨骼提取方法 1257 范围内.人体模型的两个肢体发生接触时 ,其拓扑结构发生 本文算法 的计算结果与真实值相比 ,相对误差 改变 ,通过本文方法将无法得到正确的计算结果 ;本 基本在 10 %以内 ,换算为绝对误差 ,上臂 、前臂误差 文采用的人体扫描模型 ,手部均为拳状 ,如果采用精 细模型 ,手部展开为掌状 ,那么根据似圆性算法 ,腕 在 2 . 5 cm 内 ,大腿 、小腿误差在 4 cm 以内 . 只有个别 模型前臂长度的相对误差达到了 20 % ,其前臂出现 部的计算结果将非常接近手指根部 ,误差较大. 总而 言之 ,姿态无关的人体模型骨骼提取以及模型驱动 了 5 cm 左右的绝对误差 ,主要原因是 : 在扫描过程 是一个非常有意义的后续研究内容 . 中 ,个别模特的身体姿态发生较大的变化 ,导致后期 数据拼接不够准确 、三维模型的失真 ,从而产生关节 中心计算结果的误差 . 但是在扫描数据比较真实的 参 考 文 献 情况下 ,误差仍然在可接受范围之内 . [ 1 ] Allen B , Curle ss B , Popo vic Z. The sp ace of all bo dy 通过以上分析可知 ,在计算标准姿态人体的关 shap e s : Reco n st r uctio n a nd p ara met erizatio n f ro m range 节中心时 ,与已有算法相比 ,本文算法的相对误差较 sca ns [ C ] ΠΠProc of A CM SI GGRA P H 2003 . New Yo r k : 小 . 在计算非标准姿态人体的关节中心时 ,本文算法 Addi so n2We sley , 2003 的相对误差远远低于已有算法 . [ 2 ] Seo H , Magnenat2Thal mann N . A n a uto matic mo delli ng of 5 . 3 效率分析 hu ma n bo die s f ro m sizi ng p ara met er s [ C ] ΠΠProc of t he Symp 在模型特征点拓扑结构提取阶段 ,处理面片数 o n Int eractive 3D Grap hics. New Yo r k : A CM , 2003 : 19226 [ 3 ] 5000 、点数约 2300 的人体模型 , 需要时间小于 1 s ; N ur re J . Locati ng la ndma r k s o n huma n bo dy sca n dat a [ C ] ΠΠ Proc of t he 3D Digit al Imagi ng and Mo deli ng. Wa shi ngto n : 处理面片数 9996 、点数 5132 的狮子模型 ,需要时间 I EE E Co mp ut er Societ y , 1997 : 2892295 约 3 s ;处理面片数 16843 、点数 8454 的马模型 ,需要 [ 4 ] J u Xia ngyang , Wer ghi Nao uf el , Siebert J Pa ul . A uto matic 时间约 6 . 5 s. 在关节中心提取阶段 ,处理人体模型 , segment atio n of 3D hu ma n bo dy sca n s [ C ] ΠΠProc of t he 需要时间约为 1 s. Co mp ut er Grap hics a nd Imagi ng. L a s Vega s : [ s. n . ] , 2000 [ 5 ] De k ker L , Do uro s I , Buxto n B , et al . Buil di ng symbolic 与展望6 i nfo r matio n fo r 3D hu ma n bo dy mo deli ng f ro m ra nge dat a [ C ] ΠΠProc of t he 3D Di git al Imagi ng a nd Mo deli ng . Wa shi ngto n : I EEE Co mp ut er Societ y , 1999 : 3882397 本文提出一种三维人体模型的骨骼提取算法 . [ 6 ] Buxto n B , De k ker L , Do uro s I , et al . Reco nst r uctio n a nd 首先 ,本文提出了一种末端特征点的自动提取算法 , i nt erp ret atio n of 3D w hole bo dy surf ace i mage s [ C ] ΠΠProc of 并在末端特征点 中 , 提取 出 人体 的头 顶 特征 点 ; 其 t he Sca nni ng . Pa ri s : [ s. n . ] , 2000 次 , 根 据 Mo r se 原 理 , 构 造 了 基 于 测 地 距 离 的 [ 7 ] Ma Yo ngyo u , Zha ng H ui , J ia ng Sho uwei , Reali stic mo deli ng Mo r se 函数 ,并提取出模型 L evel2set2c ur ve ; 实验证 a nd a ni matio n of hu ma n bo dy ba sed o n sca nned dat a [ J ] . 明 ,该 Mo r se 函 数 能 够 真 实 反 映 人 体 结 构 的 对 称 ( ) J o ur nal of Co mp ut er Science a nd Technolo gy , 2004 , 19 4: 292537 性 ,并且对于后续似圆性分析提供了准确的数据指 ,J oao Fradi n ho Olivei ra , Do ngliang Zhang , Ber nha r d [ 8 ] 导 ;最后 ,根据 L evel2set2c ur ve 的似圆性 ,我们从中 Spa nla ng , Ber na r d F. Buxto n . A ni mati ng sca nned hu ma n 心线中准确提取出了人体模型的关节中心 . ( ) mo del s [J ] . J o ur nal of WSC G , 2003 ,11 2: 3622369 实验结果证明 ,本文算法具有以下特点 : Wer ghi N Yij un Xiao , Siebert J P . A f unctio nal2ba sed [ 9 ] ) 1由于通过基于测地距离的 Mo r se 函数提取 segment atio n of hu ma n bo dy sca n s i n ar bit ra r y po st ure s [ J ] . 模型的 L evel2set2cur ve , 而测地距离 与模 型的 朝 向 I EE E Tra n s o n Syst ems , Ma n , a nd Cyber netics , Pa rt B : ( ) Cyber netics , 2006 , 36 1: 1532165 以及姿态无关 ,因此 ,算法可以非常鲁棒地实现姿态 L aw so n Wade , Richar d E Pa rent . A uto mat ed generatio n of [ 10 ] 无关的关节中心提取 ; co nt rol skeleto n s fo r u se i n a ni matio n [J ] . The Vi sual ) 2由于采用了与人体解剖结构密切相关的关 ( ) Co mp ut er , 2002 , 18 2: 972110 节中心判定准则 ———基于似圆性的关节中心判定准 H u Xiao ya n , Lia ng Xiao hui , Zhao Qi npi ng . Mat ch t he [ 11 ] 则 ,计算得到的关节中心位臵准确 ; vi rt ual hu ma n mo del a nd mo tio n dat a a uto maticall y [ J ] . ) 3本文算法无须任何手工标注 ,能够实现完全 ( ) ()J o ur nal of Sof t wa re , 2006 , 17 10: 218122191 i n Chi nese ( 胡晓雁 , 梁晓辉 , 赵沁平. 自动匹配虚拟人模型与运动数据 自动的关节中心提取 . ( ) )[J ] . 软件学报 , 2006 , 17 10: 218122191 但在某些方面 ,本文方法仍有待进一步完善 :当 [ 12 ] Feng J i nt ao . Co nst r uct skeleto n fo r 3D t riangle me sh [ D ] . Yu Yong , bo r n i n 1976 . Ph . D. ca ndidate . ()Beiji ng : Pe ki ng U niver sit y , 2004 i n Chi ne se Hi s main resea rch interest s incl ude virt ual (冯晋涛. 三维网格模型的骨架抽取 [ D ] . 北京 : 北京大学 , huma n mo deling. )2004 于 勇 ,1976 年生 ,博士研究生 ,主要研究 [ 13 ] H ua ng Kunwu , Tang J ie , Wu Ga ngshan . Skeleto n 方向为虚拟人建模 . ext ractio n al go rit h m usi ng Reeb grap h ba sed o n f acet s [J ] . ( ) ( J o ur nal of Syst e m Si mulatio n , 2006 , 18 Z1 : 52256 i n Wang Zhaoqi , bo r n in 1966 . Prof e sso r and )Chi ne se Ph . D. sup ervi so r of t he Instit ute of ( 黄坤武 , 唐杰 , 武港山. 针对面片的 Reeb 图骨架抽取算法 Co mp uting Technolo gy , t he Chine se ( ) )[J ] . 系统仿真学报 , 2006 , 18 Z1: 52256 Academy of Science s. Senio r member of Zhuang Yueti ng , Li u Xiao mi ng . 3D hu ma n skeleto n [ 14 ] China Co mp ut er Federatio n. Hi s main reco n st r uctio n f ro m mo tio n i mage sequence [J ] . J o ur nal of re search interest s incl ude virt ual realit y Co mp ut er2Aided De sign & Co mp ut er Grap hics , 2000 , 12 a nd intelligent human2co mp uter interactio n. ( ) ()4: 2452250 i n Chi ne se 王兆其 ,1966 年生 ,研究员 ,博士生导师 ,中国计算机学会高 ( 庄越挺 ,刘小明. 运动图像序列的人体三维运动骨架重建 级会员 ,CAD &C G 专委会委员 ,计算机动画与数字娱乐专委 ( ) [J ] . 计算机 辅 助 设 计 与 图 形 学 学 报 , 2000 , 12 4 : 2452 会委员 ,主要从事虚拟现实 、多模式人机接口和人工智能领 )250 () 域的研究工作 zqwang @ict . ac. cn. Ver ro ust A , L aza r u s F. Ext racti ng skelet al cur ve s f ro m 32D [ 15 ] ( ) scat t ered dat a [J ] . Vi sual Co mp ut er , 2000 , 16 1: 15225 Xia Shihong , bo r n in 1974 . Received hi s Oda T , Ito h Y , Na kai W , et al . Int eractive skeleto n [ 16 ] Ph . D. degree in co mp uter sof t wa re and ext ractio n fo r 3D ani matio n u si ng geo de sic di st a nce s [ C ] ΠΠ t heo r y f ro m t he Graduate U niver sit y of t he Int eractive Proc of Intπl Co nf o n Co mp ut er Grap hics and Chine se Academy of Sciences in 2002 , and Techni que s. New Yo r k : A CM , 2006 M Sc degree in applied mat hematic s f ro m [ 17 ] Yu Yo ng , Wa ng Zhao qi , Xia Shi ho ng , et al . A uto matic Chengdu Instit ute of Co mp uter joi nt s ext ractio n of scanned hu ma n bo dy [ C ] ΠΠProc of t he Applicatio ns , t he Chine se Academy of Science s in 1999 . 12t h Intπl Co nf o n Hu ma n2Co mp ut er Int eractio n . Berli n : A ssociate p rof esso r . Hi s mai n re sea rch intere st s incl ude Sp ri nger , 2007 : 2862293 mo tio n cap t ure , cha racter a nimatio n , huma n mo tio n analysi s [ 18 ] Zeng Xiaochun . H uman A nato my a nd Physiolo gy [ M ] . a nd cro wd simulatio n. ()Beiji ng : Higher Educatio n Pre ss , 1990 i n Chi ne se 夏时洪 ,1974 年生 ,博士 ,副研究员 ,主要研究兴趣为运动捕 ( 曾晓春. 人 体 解 剖 生 理 学 [ M ] . 北 京 : 高 等 教 育 出 社 , ( 获 、角色动画 、人体运动分析 、群体行为仿真等 xsh @ict . ac . )1990 ) cn. [ 19 ] Mil no r J . Mo r se Theo r y [ M ] . New Yo r k : Acade mic Pre ss , 1988 Mao Tianlu , bo r n in 1977 . Re sea rch Har t J . Mo r se t heo r y fo r i mplicit surf ace mo deli ng [ C ] ΠΠ [ 20 ] a ssi sta nt of t he Instit ute of Co mp uting Vi sualizatio n a nd Mat he matics π97 , Berli n2Da hle m : [ s. n . ] , Technolo gy , t he Chinese Academy of 1997 Science s. Her cur rent resea rch i ntere st s [ 21 ] Shi nagawa Y , Kunii T , Ker go sien Y L . Surf ace co di ng ba sed incl ude virt ual realit y. o n Mo r se t heo r y [J ] . I E EE Co mp ut er Grap hics a nd 毛天露 ,1977 年生 ,助理研究员 ,主要研究( ) Applicatio n s , 1991 , 11 5: 66278 方向为虚拟现实 (lt m @ict . ac . cn) . [ 22 ] Ta ka ha shi S , Ikeda T , Shi nagawa Y , et al . Al go rit hms fo r ext racti ng co r rect critical poi nt s and co n st r ucti ng topolo gical grap h s f ro m di scret e geo grap hical elevatio n dat a [J ] . ( ) Co mp ut er Grap hics Fo r u m , 1995 , 14 3: 1812192 Research Background Skeleto n ext ractio n i s ver y impo rta nt in 3D mo del ret rieval a nd mo del a nimating. Wit h t he develop ment of 3D sca nning technique , data o n shape s of human bo die s ca n be ea sil y cap t ured , w hile skeleto n i s difficult to ext ract f ro m t he data . In t hi s pap er , we co ncent rate o n ext racting skeleto n f ro m 3D sca nned huma n bo dy. We int ro duce a new met ho d to calculate topolo gy of human bo dy and to ext ract joint s by circula rit y f unctio n of geo de sic i soline s. Thi s wo r k i s suppo rted by t he Natio nal Nat ural ( ) ( ) Science Fo undatio n of China No . 60403042 , No . 60573162 a nd No . 60703019and t he 973 Project No . 2002CB312104.
/
本文档为【一种姿态无关的人体模型骨骼提取方法】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。 本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。 网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。

历史搜索

    清空历史搜索