從二維圖像序列中恢復(fù)出物體的三維結(jié)構(gòu)信息和運動信息一直以來都是三維重建領(lǐng)域的一個熱點問題�，F(xiàn)實世界中很多物體都是非剛性的,這些非剛性體的運動信息除了旋轉(zhuǎn)和平移之外,還具有“變形”這一特征,這意味著物體每一幀的結(jié)構(gòu)都發(fā)生了變化,因此,通過運動信息求解非剛性體三維結(jié)構(gòu)的問題變得相對復(fù)雜。近年來,雖然很多學(xué)者都針對這一難題展開了研究并且提出了一些方法,但是仍然存在以下兩個問題:1、其重建對象大都是稀疏的特征點,并不能夠模擬物體復(fù)雜的非剛性變形以及恢復(fù)其細(xì)節(jié)信息,局限性較大并且應(yīng)用范圍較小;2、該方法圖像序列獲取的方式是相機單側(cè)采集,其恢復(fù)出來的僅僅是目標(biāo)物體單個方向的結(jié)構(gòu)信息,三維信息并不完整�；谏鲜鰡栴},本文采用 NRSFM（Non-Rigid Structure From Motion）方法得到人體單側(cè)稠密點云,并融合SMPL（Skinned Multi-Person Linear）模型開展對動態(tài)人體序列完成三維重建的研究。具體地:（1）圖像序列中稠密像素點的匹配。作為NRSFM算法的第一步,圖像序列幀間像素點匹配的結(jié)果直接會影響到三維重建的效果。針對相機連續(xù)采集的一組人體運動的圖像序... 

【文章來源】：陜西科技大學(xué)陜西省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１三維運動在二維平面內(nèi)的投影??－

存在移動和變形。經(jīng)典的光流問??題都是試圖對每一對連續(xù)的幀獨立地估計圖像中點位移的向量常本章以圖像序列為對??象，選取其中一幀作為參考模板，通常是第一幀，然后通過提出的“多幀方法”估計參??考幀中每個可見點在整個圖像序列中的二維軌跡。該方法利用時間信息可以預(yù)測特定幀??中不可見點的位置，從而可以減小由于自遮擋或者外部遮擋所帶來的影響，同時，該方??法無論對于剛性體匹配，還是對于在三維空間中存在移動和變形的非剛性體的匹配都適??用。??ｕ（ｘ；ｌ）?Ｕ（ｘ；２）?ｕ（ｘ；Ｆ）??圖３－１多幀圖像配準(zhǔn)??Ｆｉｇ．３－１?Ｍｕｌｔｉ?－?ｆｒａｍｅ?ｉｍａｇｅ?ｒｅｇｉｓｔｒａｔｉｏｎ??３．１．１低階軌跡空間??Ｂｒｅｇｌｅｒ等人首次提出了“非剛性低階形狀模型”，即非剛性物體隨時間變化的三維??形狀可以表示為一個低階形狀基的線性組合１ＴＩＭＩ。接著，Ａｋｈｔｅｒ等人提出了?“非剛性體的??基軌跡模型”，該模型與上述模型存在“對偶”關(guān)系，即非剛性物體隨時間變化的三維??形狀可以表示為一個低階軌跡基的線性組合。于是，類比這兩種模型，本章利用物體在??二維圖像中點的“軌跡高度相關(guān)”這一特性來解決多幀光流問題，通過假設(shè)軌跡在一個??低維線性子空間附近來建立這個性質(zhì)的模型，該模型不僅適用于剛性體，同樣適用于存??在變形運動的非剛性體。因此，本章將二維軌跡解釋為三維基形狀的線性組合的投影，??１５??

??基于ＮＲＳＦＭ的動態(tài)場景三維重建方法研究???無窮時，本方法所提出的軟約束就變成了硬約束，光流ｗ〇；？）就會被再參數(shù)化表示為：??［％（？）及⑶??，＝ｉ?（３－３２）??運動基的系數(shù)為不可知變量。在這種情況下，矢量值圖像的能量函數(shù)可以改寫為：??Ｅｈ?＝?＼Ｙ｝＾ｘ＋ＱｎＬ（ｘ＼ｎ）－＼＾ｓｉＡｙＬ＾ｘ）Ｍｘ??ｑ?ｎ?＾＝ｉ??其中，ａ為２ｘ?Ａ的矩陣，對應(yīng)于第ｎ幀的軌跡基矩陣Ｑ的兩行。??３．７實驗與分析??３．?７．?１人臉表情變化實驗??為了驗證上述算法的有效性，本節(jié)以一組人臉表情變化的圖像序列來進行實驗＿。??圖３－２為人臉表情變化的圖像序列，圖３－３為彩色光流編碼圖，圖３－４為圖像序列的光流??圖結(jié)果。??＾?ｆｐ?＾?＾??尋，，，二、；ｌ?＇?彳??＾?＾?＾?；＞?？??閣３－２人臉表情變化圖像序列??Ｆｉｇ．３－２?Ｔｈｅ?ｉｍａｇｅ?ｓｅｑｕｅｎｃｅ?ｏｆ?ｆａｃｉａｌ?ｅｘｐｒｅｓｓｉｏｎ?ｃｈａｎｇｅｓ??■?Ｊｌ??圖３－３彩色光流編碼??Ｆｉｇ．３－３?Ｆｌｏｗ?ｃｏｌｏｒ?ｃｏｄｉｎｇ??２３??


本文編號：3580375