三維人體動畫單目視頻運動軌跡準確跟蹤方法研究

陸玉立

(安徽工業職業技術學院 信息工程系，安徽 銅陵 244000 )

隨著計算機圖像處理技術的發展，采用計算機圖像的視覺跟蹤識別技術進行數字三維人體動畫跟蹤，實現對人體運動動畫的單目視頻追蹤識別，提高對人體運動軌跡的跟蹤性能，從而指導人體運動訓練，提高運動效果。研究三維人體動畫單目視頻運動軌跡的跟蹤方法在體育訓練、動畫效果重建以及三維動畫模擬等領域都具有很好的應用價值，相關的算法設計研究受到人們的極大重視[1]。

對三維人體動畫單目視頻運動軌跡圖像的三維重建和跟蹤識別是建立在三維人體動畫的單目視頻重構和運動軌跡的自適應特征信息分析的基礎上，結合圖像的三維特征匹配和紋理重構技術，進行軌跡跟蹤，提高畫面的動畫展示效能。傳統方法中，對三維人體動畫單目視頻運動軌跡跟蹤方法主要有SIFT(Scale Invariant Feature Transform)特征匹配方法和活動輪廓跟蹤方法[2]，提取動畫圖像的邊緣輪廓特征，采用多模態的三維人體動畫單目視頻跟蹤方法，實現對運動軌跡圖像輪廓特征提取，提高三維人體動畫單目視頻運動軌跡圖像跟蹤效果，但傳統方法進行三維人體動畫單目視頻運動軌跡跟蹤過程中存在計算開銷過大和收斂性不好的問題[3]。針對上述問題，本文提出一種基于Harris角點檢測和模板特征匹配的三維人體動畫單目視頻運動軌跡準確跟蹤方法。首先采用幀掃描和塊匹配方法進行三維人體動畫單目視頻運動軌跡圖像的邊緣輪廓特征檢測，然后采用電子穩像渲染方法實現三維人體動畫單目視頻運動軌跡圖像的穩態跟蹤，結合Harris角點檢測方法提取運動軌跡圖像的關鍵動作特征點與輪廓信息，降低三維人體動畫單目視頻運動軌跡重建和跟蹤的誤差。最后進行仿真實驗分析，展示了本文方法在提高三維人體動畫單目視頻運動軌跡準確跟蹤能力方面的優越性能。

1 三維人體動畫單目視頻運動軌跡的圖像采集和表面渲染

1.1 三維人體動畫單目視頻運動軌跡的幀掃描和塊匹配

為了實現對三維人體動畫單目視頻運動軌跡的準確跟蹤，首先構建三維人體動畫單目視頻運動軌跡圖像的特征分析模型，采用幀掃描和塊匹配方法進行三維人體動畫單目視頻運動軌跡圖像的邊緣輪廓特征檢測[4]，設三維人體動畫單目視頻運動軌跡的像素序列分布矩陣描述為：

(1)

對三維人體動畫單目視頻運動軌跡采用動態場景特征匹配方法進行幀掃描，得到在多模態場景下三維人體動畫單目視頻運動軌跡的邊緣像素特征分量為：

(2)

在三維人體動畫單目視頻運動軌跡圖像的重建表面中進行邊緣像素分解和特征分割[5]，得到紋理分割函數為：

(3)

其中，L(x,y,σ)=G(x,y,σ)?I(x,y)。

(4)

式中，I(x,y)表示三維人體動畫單目視頻運動軌跡在(x,y)處的分塊系數，L(x,y,σ)表示三維人體動畫單目視頻運動軌跡的分辨系數，G(x,y,σ)表示關聯像素值，計算式為：

(5)

對采集的三維人體動畫單目視頻運動軌跡進行小波分解計算，小波閉合曲線為C，用一個二元梯度函數表示三維人體動畫單目視頻分解曲線為C={(x,y)∈Ω:φ(x,y)=0}，在輪廓線的活動區域，得到三維人體動畫單目視頻運動軌跡的跟蹤的邊緣檢測系數(系數ν通常為0，這里取值0)：

(6)

其中，H(z)和δ(z)分別三維人體動畫單目視頻運動軌跡的局部方差和稀疏正則項，采用幀掃描和塊匹配方法進行三維人體動畫單目視頻運動軌跡圖像的邊緣輪廓特征檢測，為軌跡跟蹤識別提供圖像輸入基礎。

1.2 圖像的紋理表面渲染

采用電子穩像渲染方法實現三維人體動畫單目視頻運動軌跡圖像的穩態跟蹤和表面紋理渲染[6]，根據三維人體動畫單目視頻運動軌跡圖像的表面紋理結構分布，得到運動軌跡跟蹤的逆加權系數，構建三維人體動畫單目視頻運動軌跡圖像的紋理渲染函數f(gi)為：

(7)

由此獲得三維人體動畫單目視頻運動軌跡圖像三維動態重建的背景分量，在三維人體動畫單目視頻運動軌跡圖像的平滑區域進行RGB分解[7]，RGB分解式為：

(8)

其中，Φ(Tn)由下式給出：

Φ(Tn)=γTHγ+θTHθ+ωTHω。

(9)

對原始三維人體動畫單目視頻運動軌跡圖像進行局部高斯濾波，濾波函數表達如下：

Gnew=(1+μT)(1+λT)Gold，

(10)

(11)

其中，Gnew和Gold分別表示人體動畫單目視頻的幀掃描的時間間隔和紋理特征分布密度。采用邊緣輪廓特征提取方法[8]，得到單目視頻運動軌跡的配準特征分量：

(12)

式中，TC為三維人體動畫單目視頻運動軌跡圖像重建平滑算子，Md(Ci)表示Ci中三維人體動畫單目視頻運動軌跡的表面紋理渲染值。

根據上述分析，對重建三維人體動畫單目視頻運動軌跡圖像的表面紋理特征進行多模態配準，提高圖像的軌跡跟蹤能力[9]。

2 三維人體動畫單目視頻運動軌跡準確跟蹤優化

2.1 Harris角點檢測

本文提出一種基于Harris角點檢測和模板特征匹配的三維人體動畫單目視頻運動軌跡準確跟蹤方法，結合Harris角點檢測方法提取運動軌跡圖像的關鍵動作特征點與輪廓信息，采用電子穩像渲染方法，得到三維人體動畫單目視頻運動軌跡圖像網格分割的線性方程組為：

(13)

判斷三維人體動畫單目視頻運動軌跡的活動輪廓信息，采用相關性檢測方法，得到三維人體動畫單目視頻運動軌跡圖像表面重建的灰度像素值為E(d(x,y))，三維人體動畫單目視頻運動軌跡跟蹤的稀疏度控制函數為：

(14)

式中，Fd表示多模態三維人體動畫單目視頻運動軌跡圖像的邊緣尺度，結合Harris角點檢測方法提取運動軌跡圖像的關鍵動作特征點與輪廓信息[10]，得到Harris角點檢測輸出的信息分量為：

(15)

對重建三維人體動畫單目視頻運動軌跡圖像的表面紋理特征進行多模態配準，得到軌跡分布的能量函數如下：

(16)

其中，λ1,λ2,ν,μ是單目視頻運動軌跡的統計特征量，Kσ為Heaviside函數的標準差，σ為權重系數，采用高斯邊緣輪廓特征檢測方法，得到單目視頻運動軌跡在網格模型中的量化匹配函數為下式所示：

(17)

其中，c1和c2分別表示Harris角點檢測輸出的動態特征點和邊緣像素點，根據Harris角點檢測結果，計算三維人體動畫單目視頻運動軌跡的空間分布線程基元，結合特征重構和三維視覺重建方法，實現三維人體動畫單目視頻運動軌跡跟蹤識別。

2.2 三維人體動畫單目視頻運動軌跡跟蹤輸出

結合Ray-Casting圖像空間掃描結果得到三維人體動畫單目視頻運動軌跡的梯度信息，在三維數據場中將三維人體動畫單目視頻運動軌跡視覺掃描的成像區域分為兩個同質區域(目標和背景)[11]，進而得到邊緣像素估計值為：

(18)

E=θELBF+(1-θ)ELGF+vL(φ)+μP(φ)，

(19)

其中，θ為每個像素鄰域的灰度權重系數，對三維人體動畫單目視頻運動軌跡圖像進行平滑去噪，構建局部均值降噪濾波器，得到濾波函數定義如下：

(20)

其中，P(φ)為稀疏正則項，由此構建圖像跟蹤的三維數據場，采用稀疏化特征分解方法，得到三維人體動畫單目視頻運動軌跡跟蹤的微分方程描述為：

(21)

(22)

圖1 三維人體動畫單目視頻運動軌跡跟蹤

其中，L(η)表示邊緣軌跡，xk表示輸入像素誤差項，K表示三維人體動畫單目視頻的像素級。根據上述算法設計，降低三維人體動畫單目視頻運動軌跡重建和跟蹤的誤差，實現三維人體動畫單目視頻運動軌跡的準確跟蹤。

3 仿真試驗

為了測試本文方法在實現三維人體動畫單目視頻運動軌跡跟蹤中的應用性能，進行仿真實驗，采用Matlab 7 仿真軟件設計，采用ARM 5.0視頻采集儀進行三維人體動畫單目視頻運動軌跡掃描，掃描的頻率為1200KHz，像素誤差為0.23，像素級強度為25dB，干擾信噪比為-16dB，三維人體動畫單目視頻運動軌跡跟蹤區域分割模板m*n為360*240，像素窗口寬度為(13、20、54)，根據上述仿真環境和參數設定，對兩組動畫畫面進行三維人體運動軌跡跟蹤，得到跟蹤結果如圖1所示。

分析上述仿真結果得知，采用本文方法能有效實現對三維人體動畫單目視頻運動軌跡圖像的邊緣輪廓特征檢測和軌跡跟蹤，跟蹤效能較好，測試軌跡跟蹤曲線，得到結果如圖2所示。

圖2 軌跡跟蹤曲線

分析圖2得知，本文方法能有效實現對三維人體動畫單目視頻運動軌跡跟蹤，跟蹤軌跡的擬合性較好，測試跟蹤精度，得到對比結果見表1，分析得知，本文方法進行三維人體動畫單目視頻運動軌跡跟蹤的精度較高。

表1 跟蹤性能測試

4 結語

采用計算機圖像的視覺跟蹤識別技術進行數字三維人體動畫跟蹤，實現對人體運動動畫的單目視頻追蹤識別，提出一種基于Harris角點檢測和模板特征匹配的三維人體動畫單目視頻運動軌跡準確跟蹤方法。采用幀掃描和塊匹配方法進行三維人體動畫單目視頻運動軌跡圖像的邊緣輪廓特征檢測，采用電子穩像渲染方法實現三維人體動畫單目視頻運動軌跡圖像的穩態跟蹤，結合Harris角點檢測方法提取運動軌跡圖像的關鍵動作特征點與輪廓信息，對重建三維人體動畫單目視頻運動軌跡圖像的表面紋理特征進行多模態配準，對三維人體動畫單目視頻運動軌跡圖像進行平滑去噪，降低三維人體動畫單目視頻運動軌跡重建和跟蹤的誤差，實現三維人體動畫單目視頻運動軌跡的準確跟蹤。研究得知，采用該方法進行三維人體動畫單目視頻運動軌跡跟蹤的分辨力較高，特征點的匹配能力較強，跟蹤精度較高。