視覺捕捉技術(shù)在攝像技術(shù)的應(yīng)用

章明星

本文在對人體運動跟蹤方法及視覺運動捕捉技術(shù)難點進行分析的基礎(chǔ)上，提出了精確度更高的視覺捕捉系統(tǒng)設(shè)計方案，能夠取得良好的效果。

目前，在人體運動分析領(lǐng)域和攝像領(lǐng)域，視覺捕捉技術(shù)有著十分廣泛的應(yīng)用范圍，是當前研究的熱點課題之一。在視覺捕捉系統(tǒng)的支持下，該技術(shù)能夠?qū)\動中的物體進行跟蹤定位，從而獲得其三維運動軌跡，并通過數(shù)字解析過程，實現(xiàn)對運動過程的捕捉。運用視覺捕捉技術(shù)，能夠?qū)ξ矬w的運動特診進行準確把握，得出其在三維空間內(nèi)特定參數(shù)，從而了解到精確的運動狀況。在以計算機圖形學為理論基礎(chǔ)的同時，在空間內(nèi)設(shè)置多個相關(guān)技術(shù)設(shè)備，用于對運動物體的跟蹤，最終以圖形的形式，將運動狀況加以記錄，所得到的運動信息較為不容易失真，因而在攝像技術(shù)中能夠有良好的應(yīng)用前景。

人體運動跟蹤方法

為了完成人體運動分析，首先要做到科學的跟蹤定位，對于連續(xù)的圖像幀，互相之間應(yīng)具備相匹配的特征，主要包括運動方向、速度、形態(tài)及方位等，這樣才能獲得完整的運動數(shù)據(jù)。在運動跟蹤的方案設(shè)計上，應(yīng)用較廣泛的數(shù)學模型有動態(tài)貝葉斯網(wǎng)絡(luò)，卡爾曼濾波，以及粒子濾波等方法。由于跟蹤定位的對象各不相同，根據(jù)其各自的特征，可分別采用模型跟蹤方法，區(qū)域跟蹤方法，活動輪廓線跟蹤方法，特征跟蹤方法等[1]。 如果使用模型跟蹤法，在人體運動目標的表達上，傳統(tǒng)的處理手段有三種，即圖模型、二維模型以及三維模型；如果使用區(qū)域跟蹤方法，則需考慮整體跟蹤和局部跟蹤的不同；如果使用活動輪廓線跟蹤方法，在運動目標的表達上，主要手段為封閉的曲線范圍，隨著目標的移動變化，這一封閉的曲線范圍可進行自動更新。在最新的范圍曲線跟蹤算法當中，首先確定空間（x，y，t），然后構(gòu)造一個曲面，并對初始曲線進行設(shè)置，此時曲線應(yīng)為水平方向，得到關(guān)于該曲線的能量函數(shù)，包圍移動體區(qū)域，此時運動目標的運動變化，能夠反映到能量函數(shù)的曲線上，當運動目標區(qū)達到最小時，函數(shù)曲線將靠近運動目標區(qū)，實現(xiàn)對運動目標的跟蹤定位；如果使用特征跟蹤法，首先應(yīng)完成特征提取，然后再進行特征匹配，從靜態(tài)圖像當中，可提取相應(yīng)的人體特征，而在序列圖像之間，可對這些特征進行匹配，實現(xiàn)完整的跟蹤過程。

視覺運動捕捉技術(shù)難點

目前，視覺運動捕捉技術(shù)的應(yīng)用仍然存在較多的難點，盡管視覺捕捉技術(shù)的研究工作始終熱度不減，對視頻運動的分析也越來越深入，但從取得的開發(fā)成果來觀察，由于多種客觀因素的作用，在掌握人體運動數(shù)據(jù)的過程中，整個過程依然十分復雜，操作在難度上還是具有一定的挑戰(zhàn)性。其中，最主要的難點在于，人體作為運動跟蹤的目標，其本身具有較強的復雜性，運動所涉及的要素也較多，因而在自攝像到成像的整個過程當中，極易造成原有信息的丟失。在研究階段，研究人員遇到的研究瓶頸則主要有：第一，人體構(gòu)造的柔性特征，與此同時人體的運動狀況也屬于非剛性運動；第二，高維表達問題，，對運動過程進行跟蹤時，需對運動中的各要素進行仿真模擬，應(yīng)如何精確再現(xiàn)人體的運動過程，即如何構(gòu)建人體模型；第三，在視頻中，由于運動狀況與理論中的理想狀態(tài)有很大不同，人體極有可能被附近環(huán)境掩蓋，或自本身存在遮擋部分，這種情況下就無法獲得完整的人體運動數(shù)據(jù)，破壞跟蹤定位的精準度，從而給模型的重建造成困難；第四，在從三維到二維的投影過程中，往往會導致深度歧義，對三維的運動目標進行投影，所得到的二維圖像并不能完全再現(xiàn)原有的運動狀況，許多深度信息將會丟失[2]。如果使用單個攝像機進行攝像，這一問題的嚴重性尤為明顯，根據(jù)這種情況下所得到的視頻，試圖完成運動三維信息的推導，往往失真程度極高。對于這類問題的解決，通常采取逆向的研究方法，通過多種技術(shù)手段，將復雜的問題簡化，或者在先驗知識的指導下，盡量圓滿地解決這一問題。

視覺捕捉系統(tǒng)設(shè)計探討

在本次研究中，為了提高跟蹤定位的精確度，將選擇桿狀模型用來模擬人體骨架，同時為了便于完成視覺處理，還將使用HSI色彩模型。通過關(guān)節(jié)點的運用，可連接形成人體模型，從而得到更適用于數(shù)學處理的剛體集合，每一個剛體，都可利用不同的線段加以描述，通過這樣的模型轉(zhuǎn)換，原本復雜的運動將大大簡化，以骨架運動的形式進入建模和分析階段。在整個人體模型中，共包含18個關(guān)節(jié)點，為了便于研究，本文中稱其為特征點。在不同的特征點之間，所構(gòu)成的線段即代表剛體。這樣一來，無論在任何時間點，都不會導致形變。同時，由于這些線段代表的是人體骨架，因此可通過解剖學理論，了解到互相間的大小比例關(guān)系，將難點順利轉(zhuǎn)化為先驗知識。在模型選用上，雖然RGB有更加廣泛的應(yīng)用，且易于硬件實現(xiàn)。但如果光照強度發(fā)生變化，同樣一種顏色，所得到的RGB值差別顯著，造成色彩信息的失真。但在視覺捕捉技術(shù)的應(yīng)用領(lǐng)域，由于色彩信息的醒目性，常常將其作為跟蹤的特征信息，因而需避免亮度的干擾，此時HSI模型的適用性更強[3]。在HSI模型中，其中H表示色調(diào)，S表示飽和度，I表示亮度。

在本次研究中，將采用Kalman 濾波與Camshift 相結(jié)合的跟蹤算法，能夠綜合二者的優(yōu)勢。通過對運動圖像的觀察，可對目標物體的方位進行測定，在每一幀圖像中，可獲得其相應(yīng)的位置信息數(shù)據(jù)，這樣就可還原人體的完整運動軌跡。在獲知前期人體位置信息數(shù)據(jù)的情況下，可利用Kalman 濾波，對本幀圖像進行預(yù)測，得出目標出現(xiàn)的大概位置，然后再使用Camshift算法使信息精確化，即在可能出現(xiàn)的區(qū)域當中，得到目標的準確位置。要完成精確度較高的視覺運動捕捉過程，可遵循以下步驟：首先，最好使用多個攝像機，得到視頻數(shù)據(jù)流；其次，通過二維跟蹤技術(shù)，對特征點進行準確計算，從而得出二維運動序列；最后，利用攝像機，對運動目標進行標定，實現(xiàn)三維重建，完成整個視覺運動捕捉過程。

在整個視覺捕捉系統(tǒng)當中，共包括四個不同模塊，分別為視頻采集、跟蹤定位、模型重建以及顯示，這四個模塊分別具備不同的功能。

視頻采集模塊。可使用普通的攝像頭，對人體運動的整個過程進行拍攝，得到運動的初始視頻。在人體的關(guān)節(jié)部位，分別使用不同的顏色進行標記，以示區(qū)分，標記時應(yīng)注意所使用的顏色應(yīng)與背景色彩相異，使標記色塊成為其他任意三種顏色的區(qū)域。對于視頻的背景特征，可不做特殊要求。

跟蹤模塊。通過預(yù)測機制，盡量避免運動目標被附近環(huán)境掩蓋的現(xiàn)象，對模型及運動目標的特征進行研究和分析，使用Kalman進行預(yù)測的同時，結(jié)合

Camshift算法的使用，以色彩信息為標識特征，進行信息跟蹤。針對各幀圖像，對其色塊中心數(shù)據(jù)進行提取，建立圖像坐標，此時就可得到色塊運動序列，獲知關(guān)節(jié)點的運動特征。

重建模塊。完成二維圖像坐標后，接下來向三維坐標進行映射。在完成攝像機標定之后，可根據(jù)人體生理約束，利用攝像機成像原理，對二維數(shù)據(jù)進行映射，使其在三維空間得以重建。

顯示模塊。通過OpenGL ，可用來代表特征點的三維坐標，這樣就可利用更加精確的數(shù)據(jù)，實現(xiàn)人體運動的視覺捕捉過程。

為了對本次研究的可行性進行驗證，使用普通攝像頭，對手臂的運動軌跡進行拍攝。在OpenGL 中，手臂的三維模型得以建立，通過200幀以上的跟蹤定位，多數(shù)情況下，誤差可控制在一個像素以內(nèi)，取得了理想的試驗結(jié)果。

綜上所述，可知在視覺捕捉技術(shù)的應(yīng)用領(lǐng)域逐漸擴大的發(fā)展趨勢中，為了更好實現(xiàn)其跟蹤及再現(xiàn)的功能，技術(shù)本身的精確性、可靠性等仍有較大的可提升空間，面臨的技術(shù)挑戰(zhàn)仍然較多。本文通過對視覺捕捉技術(shù)在攝像技術(shù)的應(yīng)用進行深入的探究和分析，指出了視覺捕捉技術(shù)的優(yōu)勢及發(fā)展困境。本文對人體運動跟蹤方法進行了較為詳盡的說明，分別介紹了模型跟蹤方法，區(qū)域跟蹤方法，活動輪廓線跟蹤方法，特征跟蹤方法，闡述了視覺運動捕捉技術(shù)難點，并在此基礎(chǔ)上，提出了視覺捕捉系統(tǒng)設(shè)計方案。

（作者單位：蘇州工藝美術(shù)職業(yè)技術(shù)學院）