利用卷积曲面模型的人体运动姿势估计

基于通过单目图像进行人体运动姿势估计,是计算机视觉中非常困难的问题,提出了一种利用单目图像进行人体运动姿势估计的框架.首先建立了一种新颖的多项式密度卷积曲面人体模型,该模型由连接体线骨架与某种卷积核卷积而成,整个曲面是一张连续曲面,调节多项式和半径参数可以让人体任意变形;给出了正交投影下卷积曲面和曲线对应的概念和相关定理,为二维的图像轮廓和三维人体模型之间建立对应关系;根据正交投影下卷积曲面与曲线对应定理,用卷积曲线去逼近人体的图像轮廓曲线,从而估计和恢复出三维人体运动姿态.实验证明,该方法在没有遮挡的情况下,可以很好地恢复人的三维运动.     

采用图像轮廓的弹性连接体三维建模与运动估计

为了用较少的参数反映人肢体皮肤的变形,该文提出以旋转圆锥曲面进行弹性连接体(人体)三维建模.模型包括人体三维骨架和代表人肢体皮肤的变形曲面方程,每个肢体只需调整2个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的轮廓估计人体变形和运动参数,包括骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明:该模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.     

采用标记点的弹性连接体三维建模与运动估计

为了采用非常少的参数就能反映人肢体皮肤的变形,提出了一种新的旋转圆锥曲面进行弹性连接体（人体）三维建模,模型包括了人体三维骨架和代表人肢体皮肤的变形曲面方程, 每个肢体只需调整一个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的标记点估计人体三维变形和运动参数, 包括了骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明：模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.     

基于双学习映射增量降维模型的人体运动形态估计

如何从二维的人体运动形态图像序列估计出三维的人体运动形态是一个热门的研究课题。这个项技术的实现需要建立复杂模型,设计复杂的训练算法,并且需要大量的人体运动形态样本进行训练。然而,利用目前的一些复杂模型和算法,估计三维人体运动形态会耗费很多时间,并且估计效果也不好。因此,要想得到更准确的估计结果还是比较困难的。对于这样的一个研究问题,提出基于双学习映射增量降维模型来实现三维人体运动形态估计,该模型可以从单视角的二维图像较好的估计出三维人体运动形态,缩短估计算法运行时间,并得到更准确的估计结果。     

基于自适应投影的三维人体运动图像智能检测

针对目前采用的方法对三维人体运动图像进行检测时,无法准确获取图像中的目标区域,导致算法存在检测完整度低、检测准确率低、误检率高和检测效率低的问题,提出基于自适应投影的三维人体运动图像智能检测算法。首先构建背景粗提取模型,利用该模型提取三维人体运动图像的背景区域,获取图像的人体运动目标区域;其次采用自适应投影方法提取目标区域的特征,在支持向量机的基础上构建最优分类函数,将目标区域特征输入到最优分类函数中,完成三维人体运动图像的智能检测。实验结果表明,所提算法的检测完整度高、检测准确率高、误检率低、检测效率高。     

基于参数模型和法线推理的单视图三维人体隐式重建

为了克服单视图三维人体重建中出现的伪影及肢体残缺现象,提出了一种基于参数模型和法线推理的三维人体隐式重建算法(Parametric-Model and Normal Inference, PMNI),该方法能够从单一RGB图像重建出包含服装的三维人体。网络的输入仅为一张包含人物全身的RGB图像,首先基于图卷积神经网络预测对应的SMPL参数模型,接着基于条件GAN(Generative Adversarial Networks)网络生成人物的后视图像,并分别从前后视图中提取法线特征,最后将它们作为深度隐式函数的额外参数辅助训练。实验结果表明,相较于传统方法,该方法有效提升了重建结果的整体质量和表面细节。得益于参数体和法线作为先验,该方法也可以很好地处理一些复杂人体姿态。     

球体图像视觉伺服投影距离的非线性观测

球体图像视觉伺服由于不变视觉特征的设计可获得良好的运动解耦特性,但球体特征雅可比矩阵的计算依赖于若干未知三维参数,即被观测目标点的三维投影距离.针对球体图像视觉伺服特征雅可比矩阵未知三维参数的在线估计问题,文中提出了一种结合线性时变系统持续激励引理的投影距离非线性观测算法.首先结合统一投影模型对球体特征运动学进行分析,然后根据持续激励引理设计系统状态的在线更新法则,在已知摄像机运动及目标图像特征的情况下实现对未知三维投影距离的在线观测,并对观测器稳定性进行了分析.试验结果表明,该算法可有效实现对三维投影距离的在线估计,与基于深度观测的间接估计方法相比具有更优的估计精度及观测动态特性,能有效地提高球体图像视觉伺服控制的动态收敛特性.     

一种图像全局运动鲁棒估计与补偿技术

研究了一种基于回归分析的图像全局运动估计与补偿技术,首先利用光流场法估计局部图像背景点的速度场,然后利用鲁棒的叠代排除法估计图像传感器的全局运动模型参数,再利用估计出来的全局运动参数对图像进行双线性内插运动补偿。这种技术具有计算量少,实现简单,性能可靠等优点。     

基于三维重建的人脸姿态估计

人脸姿态估计是计算机视觉及人脸识别领域的一项关键研究内容.将三维模型应用于估计人脸图像姿态参数,提出了基于三维重建的人脸姿态估计算法.根据人脸正面图片上的特征点计算出形状参数,实现三维人脸重建.基于三维人脸模型,由姿态图片上提取的特征点信息推知等姿态下模型上对应特征点的信息,针对照模型正面姿态,运用线性回归估计姿态参数.实验表明,重建的三维人脸具有较好的真实感,在较大的姿态变化范围内,该方法也能够取得较好的估计精确并具有鲁棒性.     

一种图像全局运动鲁棒估计与补偿技术

研究了一种基于回归分析的图像全局运动估计与补偿技术,首先利用光流场法估计局部图像背景点的速度场,然后利用鲁棒的叠代排除法估计图像传感器的全局运动模型参数,再利用估计出来的全局运动参数对图像进行双线性内插运动补偿.这种技术具有计算量少,实现简单,性能可靠等优点.