三维人体动画单目视频运动轨迹准确跟踪方法研究

陆玉立

(安徽工业职业技术学院 信息工程系，安徽 铜陵 244000 )

随着计算机图像处理技术的发展，采用计算机图像的视觉跟踪识别技术进行数字三维人体动画跟踪，实现对人体运动动画的单目视频追踪识别，提高对人体运动轨迹的跟踪性能，从而指导人体运动训练，提高运动效果。研究三维人体动画单目视频运动轨迹的跟踪方法在体育训练、动画效果重建以及三维动画模拟等领域都具有很好的应用价值，相关的算法设计研究受到人们的极大重视[1]。

对三维人体动画单目视频运动轨迹图像的三维重建和跟踪识别是建立在三维人体动画的单目视频重构和运动轨迹的自适应特征信息分析的基础上，结合图像的三维特征匹配和纹理重构技术，进行轨迹跟踪，提高画面的动画展示效能。传统方法中，对三维人体动画单目视频运动轨迹跟踪方法主要有SIFT(Scale Invariant Feature Transform)特征匹配方法和活动轮廓跟踪方法[2]，提取动画图像的边缘轮廓特征，采用多模态的三维人体动画单目视频跟踪方法，实现对运动轨迹图像轮廓特征提取，提高三维人体动画单目视频运动轨迹图像跟踪效果，但传统方法进行三维人体动画单目视频运动轨迹跟踪过程中存在计算开销过大和收敛性不好的问题[3]。针对上述问题，本文提出一种基于Harris角点检测和模板特征匹配的三维人体动画单目视频运动轨迹准确跟踪方法。首先采用帧扫描和块匹配方法进行三维人体动画单目视频运动轨迹图像的边缘轮廓特征检测，然后采用电子稳像渲染方法实现三维人体动画单目视频运动轨迹图像的稳态跟踪，结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息，降低三维人体动画单目视频运动轨迹重建和跟踪的误差。最后进行仿真实验分析，展示了本文方法在提高三维人体动画单目视频运动轨迹准确跟踪能力方面的优越性能。

1 三维人体动画单目视频运动轨迹的图像采集和表面渲染

1.1 三维人体动画单目视频运动轨迹的帧扫描和块匹配

为了实现对三维人体动画单目视频运动轨迹的准确跟踪，首先构建三维人体动画单目视频运动轨迹图像的特征分析模型，采用帧扫描和块匹配方法进行三维人体动画单目视频运动轨迹图像的边缘轮廓特征检测[4]，设三维人体动画单目视频运动轨迹的像素序列分布矩阵描述为：

(1)

对三维人体动画单目视频运动轨迹采用动态场景特征匹配方法进行帧扫描，得到在多模态场景下三维人体动画单目视频运动轨迹的边缘像素特征分量为：

(2)

在三维人体动画单目视频运动轨迹图像的重建表面中进行边缘像素分解和特征分割[5]，得到纹理分割函数为：

(3)

其中，L(x,y,σ)=G(x,y,σ)⊗I(x,y)。

(4)

式中，I(x,y)表示三维人体动画单目视频运动轨迹在(x,y)处的分块系数，L(x,y,σ)表示三维人体动画单目视频运动轨迹的分辨系数，G(x,y,σ)表示关联像素值，计算式为：

(5)

对采集的三维人体动画单目视频运动轨迹进行小波分解计算，小波闭合曲线为C，用一个二元梯度函数表示三维人体动画单目视频分解曲线为C={(x,y)∈Ω:φ(x,y)=0}，在轮廓线的活动区域，得到三维人体动画单目视频运动轨迹的跟踪的边缘检测系数(系数ν通常为0，这里取值0)：

(6)

其中，H(z)和δ(z)分别三维人体动画单目视频运动轨迹的局部方差和稀疏正则项，采用帧扫描和块匹配方法进行三维人体动画单目视频运动轨迹图像的边缘轮廓特征检测，为轨迹跟踪识别提供图像输入基础。

1.2 图像的纹理表面渲染

采用电子稳像渲染方法实现三维人体动画单目视频运动轨迹图像的稳态跟踪和表面纹理渲染[6]，根据三维人体动画单目视频运动轨迹图像的表面纹理结构分布，得到运动轨迹跟踪的逆加权系数，构建三维人体动画单目视频运动轨迹图像的纹理渲染函数f(gi)为：

(7)

由此获得三维人体动画单目视频运动轨迹图像三维动态重建的背景分量，在三维人体动画单目视频运动轨迹图像的平滑区域进行RGB分解[7]，RGB分解式为：

(8)

其中，Φ(Tn)由下式给出：

Φ(Tn)=γTHγ+θTHθ+ωTHω。

(9)

对原始三维人体动画单目视频运动轨迹图像进行局部高斯滤波，滤波函数表达如下：

Gnew=(1+μT)(1+λT)Gold，

(10)

(11)

其中，Gnew和Gold分别表示人体动画单目视频的帧扫描的时间间隔和纹理特征分布密度。采用边缘轮廓特征提取方法[8]，得到单目视频运动轨迹的配准特征分量：

(12)

式中，TC为三维人体动画单目视频运动轨迹图像重建平滑算子，Md(Ci)表示Ci中三维人体动画单目视频运动轨迹的表面纹理渲染值。

根据上述分析，对重建三维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准，提高图像的轨迹跟踪能力[9]。

2 三维人体动画单目视频运动轨迹准确跟踪优化

2.1 Harris角点检测

本文提出一种基于Harris角点检测和模板特征匹配的三维人体动画单目视频运动轨迹准确跟踪方法，结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息，采用电子稳像渲染方法，得到三维人体动画单目视频运动轨迹图像网格分割的线性方程组为：

(13)

判断三维人体动画单目视频运动轨迹的活动轮廓信息，采用相关性检测方法，得到三维人体动画单目视频运动轨迹图像表面重建的灰度像素值为E(d(x,y))，三维人体动画单目视频运动轨迹跟踪的稀疏度控制函数为：

(14)

式中，Fd表示多模态三维人体动画单目视频运动轨迹图像的边缘尺度，结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息[10]，得到Harris角点检测输出的信息分量为：

(15)

对重建三维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准，得到轨迹分布的能量函数如下：

(16)

其中，λ1,λ2,ν,μ是单目视频运动轨迹的统计特征量，Kσ为Heaviside函数的标准差，σ为权重系数，采用高斯边缘轮廓特征检测方法，得到单目视频运动轨迹在网格模型中的量化匹配函数为下式所示：

(17)

其中，c1和c2分别表示Harris角点检测输出的动态特征点和边缘像素点，根据Harris角点检测结果，计算三维人体动画单目视频运动轨迹的空间分布线程基元，结合特征重构和三维视觉重建方法，实现三维人体动画单目视频运动轨迹跟踪识别。

2.2 三维人体动画单目视频运动轨迹跟踪输出

结合Ray-Casting图像空间扫描结果得到三维人体动画单目视频运动轨迹的梯度信息，在三维数据场中将三维人体动画单目视频运动轨迹视觉扫描的成像区域分为两个同质区域(目标和背景)[11]，进而得到边缘像素估计值为：

(18)

E=θELBF+(1-θ)ELGF+vL(φ)+μP(φ)，

(19)

其中，θ为每个像素邻域的灰度权重系数，对三维人体动画单目视频运动轨迹图像进行平滑去噪，构建局部均值降噪滤波器，得到滤波函数定义如下：

(20)

其中，P(φ)为稀疏正则项，由此构建图像跟踪的三维数据场，采用稀疏化特征分解方法，得到三维人体动画单目视频运动轨迹跟踪的微分方程描述为：

(21)

(22)

图1 三维人体动画单目视频运动轨迹跟踪

其中，L(η)表示边缘轨迹，xk表示输入像素误差项，K表示三维人体动画单目视频的像素级。根据上述算法设计，降低三维人体动画单目视频运动轨迹重建和跟踪的误差，实现三维人体动画单目视频运动轨迹的准确跟踪。

3 仿真试验

为了测试本文方法在实现三维人体动画单目视频运动轨迹跟踪中的应用性能，进行仿真实验，采用Matlab 7 仿真软件设计，采用ARM 5.0视频采集仪进行三维人体动画单目视频运动轨迹扫描，扫描的频率为1200KHz，像素误差为0.23，像素级强度为25dB，干扰信噪比为-16dB，三维人体动画单目视频运动轨迹跟踪区域分割模板m*n为360*240，像素窗口宽度为(13、20、54)，根据上述仿真环境和参数设定，对两组动画画面进行三维人体运动轨迹跟踪，得到跟踪结果如图1所示。

分析上述仿真结果得知，采用本文方法能有效实现对三维人体动画单目视频运动轨迹图像的边缘轮廓特征检测和轨迹跟踪，跟踪效能较好，测试轨迹跟踪曲线，得到结果如图2所示。

图2 轨迹跟踪曲线

分析图2得知，本文方法能有效实现对三维人体动画单目视频运动轨迹跟踪，跟踪轨迹的拟合性较好，测试跟踪精度，得到对比结果见表1，分析得知，本文方法进行三维人体动画单目视频运动轨迹跟踪的精度较高。

表1 跟踪性能测试

4 结语

采用计算机图像的视觉跟踪识别技术进行数字三维人体动画跟踪，实现对人体运动动画的单目视频追踪识别，提出一种基于Harris角点检测和模板特征匹配的三维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行三维人体动画单目视频运动轨迹图像的边缘轮廓特征检测，采用电子稳像渲染方法实现三维人体动画单目视频运动轨迹图像的稳态跟踪，结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息，对重建三维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准，对三维人体动画单目视频运动轨迹图像进行平滑去噪，降低三维人体动画单目视频运动轨迹重建和跟踪的误差，实现三维人体动画单目视频运动轨迹的准确跟踪。研究得知，采用该方法进行三维人体动画单目视频运动轨迹跟踪的分辨力较高，特征点的匹配能力较强，跟踪精度较高。