【技术实现步骤摘要】
一种基于图像分割算法的人群生成仿真方法及系统
本专利技术涉及人群仿真
,特别涉及一种基于图像分割算法的人群生成仿真方法及系统。
技术介绍
现如今对人群仿真技术的关注度越来越高,同时对人群仿真的应用也越来越多,由于人口数目的不断增加,而且重点公共场合的人群密度较高,所以大量的人群带来的各种问题值得重视。目前人群仿真被应用在很多的领域,诸如人群疏散的路径规划、公共场所的人员流动、人口聚集地人群仿真等。目前社会对人群仿真的需求日益增加,尤其对高仿真度,高人群多样性,高交互性,高计算效率的人群仿真需求量逐渐增大,现在对人群的仿真已经比较真实可观。为了丰富人群多样性,通常在人群的外观多样性和动作多样性方面着手,比如不同的虚拟人物可以有不同的体型特征,如高矮胖瘦等,不同的人物可以有不同衣着打扮等。在动作多样性方面,可以给人物不同的行为动作或者不同的人物在执行同一动作的时候有细微的差别。人群多样性的增加可以提高角色的独特性从而提高人群仿真的真实感。当前人群仿真的人群构建会占用大量系统资源,降低人群仿真计算效率。在提高人群仿真人群多样性方面,目前已经有很多的成果,虽然效果明显,但在提高人群多样性的同时往往会消耗掉大量的系统资源,降低计算效率,因此尚缺乏既能提高人群多样性又能高效利用系统资源保证较高的计算效率的方法。
技术实现思路
为了解决以往在构建人群仿真中的人群或者在提高人群多样性的时候会增大系统资源的开销从而降低计算效率的缺点,本专利技术提出一种基于图像分割算法的人群生成仿真方法及系统。一种基于图像分割算法的人群生成仿真方法,包括:步骤(1):构建人群仿真三维人物模 ...
【技术保护点】
一种基于图像分割算法的人群生成仿真方法,其特征是,包括:步骤(1):构建人群仿真三维人物模型或者从人群仿真人物模型库中选择已有三维人物模型;步骤(2):对三维人物模型的外观进行纹理贴图绘制并保存纹理贴图;或者,从人物纹理贴图库中调用已有的纹理贴图,使用已有的纹理贴图对三维人物模型的外观进行纹理贴图绘制并保存纹理贴图;保存的纹理贴图即为原始纹理贴图;步骤(3):展开原始纹理贴图,将展开后的原始纹理贴图存储到人物模型纹理贴图库中,并从人物模型纹理贴图库中提取纹理贴图;步骤(4):使用图像分割算法对纹理贴图进行分割处理,删除纹理贴图中多余的边和点,得到新的纹理贴图;步骤(5):将新的纹理贴图映射到三维人物模型上;步骤(6):删除三维人物模型多余的边和点,生成新人物模型;新人物模型存储在人物精简模型库中;步骤(7):将原始纹理贴图赋予新人物模型,对带有纹理贴图的新人物模型进行保存,存储到完整人物库中。
【技术特征摘要】
1.一种基于图像分割算法的人群生成仿真方法,其特征是,包括:步骤(1):构建人群仿真三维人物模型或者从人群仿真人物模型库中选择已有三维人物模型;步骤(2):对三维人物模型的外观进行纹理贴图绘制并保存纹理贴图;或者,从人物纹理贴图库中调用已有的纹理贴图,使用已有的纹理贴图对三维人物模型的外观进行纹理贴图绘制并保存纹理贴图;保存的纹理贴图即为原始纹理贴图;步骤(3):展开原始纹理贴图,将展开后的原始纹理贴图存储到人物模型纹理贴图库中,并从人物模型纹理贴图库中提取纹理贴图;步骤(4):使用图像分割算法对纹理贴图进行分割处理,删除纹理贴图中多余的边和点,得到新的纹理贴图;步骤(5):将新的纹理贴图映射到三维人物模型上;步骤(6):删除三维人物模型多余的边和点,生成新人物模型;新人物模型存储在人物精简模型库中;步骤(7):将原始纹理贴图赋予新人物模型,对带有纹理贴图的新人物模型进行保存,存储到完整人物库中。2.如权利要求1所述的一种基于图像分割算法的人群生成仿真方法,其特征是,所述步骤(1)的构建人群仿真三维人物模型步骤为:通过人工建模的方式获得三维人物模型或者通过对人进行三维扫描从而获得三维人物模型;所述步骤(2)的人物纹理贴图库:用于存储修饰人物模型的表面的纹理贴图,所述纹理贴图,包括:原始人物模型的纹理贴图以及经过处理的人物模型的纹理贴图;人物模型的纹理贴图通过手工绘制或者用纹理贴图绘制软件进行绘制。3.如权利要求1所述的一种基于图像分割算法的人群生成仿真方法,其特征是,所述步骤(4)使用图像分割算法对纹理贴图进行分割处理的步骤为:首先采用区域生长算法进行初步分割,然后使用等周图像分割算法进行精细分割。4.如权利要求3所述的一种基于图像分割算法的人群生成仿真方法,其特征是,采用区域生长算法进行初步分割:先对待分割的区域找出一个种子像素作为生长起点,然后将种子像素周围设定范围邻域中与种子像素具有相似性质的像素合并到种子像素所在的区域中,再将合并到种子像素所在的区域中的像素作为新的种子像素重复以上操作,直到没有满足条件的像素能被包括进来为止,从而完成对图像的初步分割;所述具有相似性质,是指种子像素周围设定范围邻域中的某个像素的灰度值与该像素所处邻域的灰度平均值作差,将差值与邻域的背景灰度值进行比较,若差值小于邻域的背景灰度值,则表示当前像素与种子像素相似;使用等周图像分割算法进行精细分割:将采用区域生长算法进行初步分割得到的图像中每个区域看成图的顶点,相邻区域使用边进行连接,建立新的浓缩图,计算区域分割所得每个区域的平均灰度,将每个区域的平均灰度值作为边的权值,计算所有边的权值,并建立稀疏拉普拉斯矩阵;选取平均灰度最大的区域作为新的基点;根据新的基点去掉对应矩阵的行和列,得到新矩阵;设定阈值,通过与阈值进行比较,如果点的像素小于设定阈值,则当前节点属于前景,佛足额当前节点属于背景;对每个点进行一次分割,把图像一分为二;递归分割,直到子分割的等周数大于设定的临界参数为止,获得最终的分割结果。5.如权利要求1所述的一种基于图像分割算法的人群生成仿真方法,其特征是,所述步骤(4)删除纹理贴图中多余的边和点的步骤为:步骤(401):寻找外围轮廓边缘的点,查看各点与外围轮廓的边形成的夹角内角的度数,并且比较外围轮廓的点与外围轮廓的边生成的夹角的内角度数的大小,选取内角度数最小的点作为第一点;步骤(402):保留第一点,并且该点不进行标记,沿外围轮廓边缘标记与第一点相邻的点,然后依次隔一个标记一个点,直到将整个外围轮廓边缘上的点按规则标记完;步骤(403):以外围轮廓上的未标记的点为起点,沿与之相连的线到下一点,并且标记从该点通过每条直接与之相连的连线能到达的第一个点;步骤(404):以标记点为起始点,沿与之相连的线到下一点,并且不标记从该点通过每条直接与之相连的连线能到达的第一个点;然后...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。