陸玉立

(安徽工業(yè)職業(yè)技術(shù)學(xué)院 信息工程系，安徽 銅陵 244000 )

隨著計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，采用計(jì)算機(jī)圖像的視覺跟蹤識別技術(shù)進(jìn)行數(shù)字三維人體動畫跟蹤，實(shí)現(xiàn)對人體運(yùn)動動畫的單目視頻追蹤識別，提高對人體運(yùn)動軌跡的跟蹤性能，從而指導(dǎo)人體運(yùn)動訓(xùn)練，提高運(yùn)動效果。研究三維人體動畫單目視頻運(yùn)動軌跡的跟蹤方法在體育訓(xùn)練、動畫效果重建以及三維動畫模擬等領(lǐng)域都具有很好的應(yīng)用價值，相關(guān)的算法設(shè)計(jì)研究受到人們的極大重視[1]。

對三維人體動畫單目視頻運(yùn)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(gòu)和運(yùn)動軌跡的自適應(yīng)特征信息分析的基礎(chǔ)上，結(jié)合圖像的三維特征匹配和紋理重構(gòu)技術(shù)，進(jìn)行軌跡跟蹤，提高畫面的動畫展示效能。傳統(tǒng)方法中，對三維人體動畫單目視頻運(yùn)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(tài)的三維人體動畫單目視頻跟蹤方法，實(shí)現(xiàn)對運(yùn)動軌跡圖像輪廓特征提取，提高三維人體動畫單目視頻運(yùn)動軌跡圖像跟蹤效果，但傳統(tǒng)方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡跟蹤過程中存在計(jì)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(diǎn)檢測和模板特征匹配的三維人體動畫單目視頻運(yùn)動軌跡準(zhǔn)確跟蹤方法。首先采用幀掃描和塊匹配方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡圖像的邊緣輪廓特征檢測，然后采用電子穩(wěn)像渲染方法實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡圖像的穩(wěn)態(tài)跟蹤，結(jié)合Harris角點(diǎn)檢測方法提取運(yùn)動軌跡圖像的關(guān)鍵動作特征點(diǎn)與輪廓信息，降低三維人體動畫單目視頻運(yùn)動軌跡重建和跟蹤的誤差。最后進(jìn)行仿真實(shí)驗(yàn)分析，展示了本文方法在提高三維人體動畫單目視頻運(yùn)動軌跡準(zhǔn)確跟蹤能力方面的優(yōu)越性能。

1 三維人體動畫單目視頻運(yùn)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(yùn)動軌跡的幀掃描和塊匹配

為了實(shí)現(xiàn)對三維人體動畫單目視頻運(yùn)動軌跡的準(zhǔn)確跟蹤，首先構(gòu)建三維人體動畫單目視頻運(yùn)動軌跡圖像的特征分析模型，采用幀掃描和塊匹配方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡圖像的邊緣輪廓特征檢測[4]，設(shè)三維人體動畫單目視頻運(yùn)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(yùn)動軌跡采用動態(tài)場景特征匹配方法進(jìn)行幀掃描，得到在多模態(tài)場景下三維人體動畫單目視頻運(yùn)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(yùn)動軌跡圖像的重建表面中進(jìn)行邊緣像素分解和特征分割[5]，得到紋理分割函數(shù)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(yùn)動軌跡在(x,y)處的分塊系數(shù)，L(x,y,σ)表示三維人體動畫單目視頻運(yùn)動軌跡的分辨系數(shù)，G(x,y,σ)表示關(guān)聯(lián)像素值，計(jì)算式為：

(5)

對采集的三維人體動畫單目視頻運(yùn)動軌跡進(jìn)行小波分解計(jì)算，小波閉合曲線為C，用一個二元梯度函數(shù)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(qū)域，得到三維人體動畫單目視頻運(yùn)動軌跡的跟蹤的邊緣檢測系數(shù)(系數(shù)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(yùn)動軌跡的局部方差和稀疏正則項(xiàng)，采用幀掃描和塊匹配方法進(jìn)行三維人體動畫單目視頻運(yùn)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(chǔ)。

1.2 圖像的紋理表面渲染

采用電子穩(wěn)像渲染方法實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡圖像的穩(wěn)態(tài)跟蹤和表面紋理渲染[6]，根據(jù)三維人體動畫單目視頻運(yùn)動軌跡圖像的表面紋理結(jié)構(gòu)分布，得到運(yùn)動軌跡跟蹤的逆加權(quán)系數(shù)，構(gòu)建三維人體動畫單目視頻運(yùn)動軌跡圖像的紋理渲染函數(shù)f(gi)為：

(7)

由此獲得三維人體動畫單目視頻運(yùn)動軌跡圖像三維動態(tài)重建的背景分量，在三維人體動畫單目視頻運(yùn)動軌跡圖像的平滑區(qū)域進(jìn)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(yùn)動軌跡圖像進(jìn)行局部高斯濾波，濾波函數(shù)表達(dá)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(yùn)動軌跡的配準(zhǔn)特征分量：

(12)

式中，TC為三維人體動畫單目視頻運(yùn)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(yùn)動軌跡的表面紋理渲染值。

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

2 三維人體動畫單目視頻運(yùn)動軌跡準(zhǔn)確跟蹤優(yōu)化

2.1 Harris角點(diǎn)檢測

本文提出一種基于Harris角點(diǎn)檢測和模板特征匹配的三維人體動畫單目視頻運(yùn)動軌跡準(zhǔn)確跟蹤方法，結(jié)合Harris角點(diǎn)檢測方法提取運(yùn)動軌跡圖像的關(guān)鍵動作特征點(diǎn)與輪廓信息，采用電子穩(wěn)像渲染方法，得到三維人體動畫單目視頻運(yùn)動軌跡圖像網(wǎng)格分割的線性方程組為：

(13)

判斷三維人體動畫單目視頻運(yùn)動軌跡的活動輪廓信息，采用相關(guān)性檢測方法，得到三維人體動畫單目視頻運(yùn)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(yùn)動軌跡跟蹤的稀疏度控制函數(shù)為：

(14)

式中，F(xiàn)d表示多模態(tài)三維人體動畫單目視頻運(yùn)動軌跡圖像的邊緣尺度，結(jié)合Harris角點(diǎn)檢測方法提取運(yùn)動軌跡圖像的關(guān)鍵動作特征點(diǎn)與輪廓信息[10]，得到Harris角點(diǎn)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(yùn)動軌跡圖像的表面紋理特征進(jìn)行多模態(tài)配準(zhǔn)，得到軌跡分布的能量函數(shù)如下：

(16)

其中，λ1,λ2,ν,μ是單目視頻運(yùn)動軌跡的統(tǒng)計(jì)特征量，Kσ為Heaviside函數(shù)的標(biāo)準(zhǔn)差，σ為權(quán)重系數(shù)，采用高斯邊緣輪廓特征檢測方法，得到單目視頻運(yùn)動軌跡在網(wǎng)格模型中的量化匹配函數(shù)為下式所示：

(17)

其中，c1和c2分別表示Harris角點(diǎn)檢測輸出的動態(tài)特征點(diǎn)和邊緣像素點(diǎn)，根據(jù)Harris角點(diǎn)檢測結(jié)果，計(jì)算三維人體動畫單目視頻運(yùn)動軌跡的空間分布線程基元，結(jié)合特征重構(gòu)和三維視覺重建方法，實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡跟蹤識別。

2.2 三維人體動畫單目視頻運(yùn)動軌跡跟蹤輸出

結(jié)合Ray-Casting圖像空間掃描結(jié)果得到三維人體動畫單目視頻運(yùn)動軌跡的梯度信息，在三維數(shù)據(jù)場中將三維人體動畫單目視頻運(yùn)動軌跡視覺掃描的成像區(qū)域分為兩個同質(zhì)區(qū)域(目標(biāo)和背景)[11]，進(jìn)而得到邊緣像素估計(jì)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(quán)重系數(shù)，對三維人體動畫單目視頻運(yùn)動軌跡圖像進(jìn)行平滑去噪，構(gòu)建局部均值降噪濾波器，得到濾波函數(shù)定義如下：

(20)

其中，P(φ)為稀疏正則項(xiàng)，由此構(gòu)建圖像跟蹤的三維數(shù)據(jù)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(yùn)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(yùn)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(xiàng)，K表示三維人體動畫單目視頻的像素級。根據(jù)上述算法設(shè)計(jì)，降低三維人體動畫單目視頻運(yùn)動軌跡重建和跟蹤的誤差，實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡的準(zhǔn)確跟蹤。

3 仿真試驗(yàn)

為了測試本文方法在實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡跟蹤中的應(yīng)用性能，進(jìn)行仿真實(shí)驗(yàn)，采用Matlab 7 仿真軟件設(shè)計(jì)，采用ARM 5.0視頻采集儀進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡掃描，掃描的頻率為1200KHz，像素誤差為0.23，像素級強(qiáng)度為25dB，干擾信噪比為-16dB，三維人體動畫單目視頻運(yùn)動軌跡跟蹤區(qū)域分割模板m*n為360*240，像素窗口寬度為(13、20、54)，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，對兩組動畫畫面進(jìn)行三維人體運(yùn)動軌跡跟蹤，得到跟蹤結(jié)果如圖1所示。

分析上述仿真結(jié)果得知，采用本文方法能有效實(shí)現(xiàn)對三維人體動畫單目視頻運(yùn)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(jié)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(shí)現(xiàn)對三維人體動畫單目視頻運(yùn)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(jié)果見表1，分析得知，本文方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡跟蹤的精度較高。

表1 跟蹤性能測試

4 結(jié)語

采用計(jì)算機(jī)圖像的視覺跟蹤識別技術(shù)進(jìn)行數(shù)字三維人體動畫跟蹤，實(shí)現(xiàn)對人體運(yùn)動動畫的單目視頻追蹤識別，提出一種基于Harris角點(diǎn)檢測和模板特征匹配的三維人體動畫單目視頻運(yùn)動軌跡準(zhǔn)確跟蹤方法。采用幀掃描和塊匹配方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡圖像的邊緣輪廓特征檢測，采用電子穩(wěn)像渲染方法實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡圖像的穩(wěn)態(tài)跟蹤，結(jié)合Harris角點(diǎn)檢測方法提取運(yùn)動軌跡圖像的關(guān)鍵動作特征點(diǎn)與輪廓信息，對重建三維人體動畫單目視頻運(yùn)動軌跡圖像的表面紋理特征進(jìn)行多模態(tài)配準(zhǔn)，對三維人體動畫單目視頻運(yùn)動軌跡圖像進(jìn)行平滑去噪，降低三維人體動畫單目視頻運(yùn)動軌跡重建和跟蹤的誤差，實(shí)現(xiàn)三維人體動畫單目視頻運(yùn)動軌跡的準(zhǔn)確跟蹤。研究得知，采用該方法進(jìn)行三維人體動畫單目視頻運(yùn)動軌跡跟蹤的分辨力較高，特征點(diǎn)的匹配能力較強(qiáng)，跟蹤精度較高。