基于深度学习的角色骨骼点映射技术制造技术

本发明专利技术公开了基于深度学习的角色骨骼点映射技术，包括以下步骤：步骤一、使用Kinect设备获取人体的深度图像和骨骼图像；步骤二、对深度图像进行特征提取；步骤三、对骨骼图节点进行坐标转换；步骤四、通过三维软件，创建虚拟的3D角色，并导入至图形引擎，生成角色模型；步骤五、提取关键帧的三个模型组成骨骼特征；步骤六、将深度特征与骨骼特征导入3D角色模型；步骤七、骨骼跟踪矫正。本发明专利技术通过将深度图像进行降噪处理和背景消除后，将深度特征与骨骼特征作为输入数据输入分类器，最终得到其归属部位，有效的减少了骨骼跟踪点的坐标在动态跟踪过程中出现偏差，不易受外界环境的干扰，具有跟踪准确、工作量少等优点。

Role Skeleton Point Mapping Technology Based on Deep Learning

【技术实现步骤摘要】
基于深度学习的角色骨骼点映射技术
本专利技术涉及及虚拟现实3D交互技术以及计算机图形
，特别涉及基于深度学习的角色骨骼点映射技术。
技术介绍
随着科学技术的发展，运动捕捉技术已经在动画，电影，运动教学等领域得到了广泛的应用，运动捕捉技术是一种用于准确测量运动物体在三维空间运动状况的技术，它通过运动捕捉设备把运动物体的运动状况以数字的形式记录下来，然后使用计算机对运动数据进行处理，得到不同时间计量单位上物体的空间坐标，当前的运动捕捉技术主要包括以下几种方式：机械式运动捕捉、电磁式运动捕捉、声学式运动捕捉、光学式运动捕捉、惯性传感器运动捕捉等。光学运动捕捉使用多台相机从不同的角度拍摄对象，将采集到的图像送入计算机计算出每个标记点的空间位置，进而根据已知的骨骼信息得到关节点的旋转角度和人体的运动信息，其优点是精度高、具备捕捉关节、手指甚至面部表情的细微变化能力，缺点是受场景限制，相机必须有较高的拍摄速率，购买专业的标定和软件，价格昂贵。惯性运动捕捉通过加速度计、陀螺仪、磁力计采集数据，经过滤波和数据融合之后得到连续的姿态数据，此外通过角速度和加速度可以计算出被测点的运动轨迹；为了捕捉本文档来自技高网...

【技术保护点】
1.基于深度学习的角色骨骼点映射技术，其特征在于：所述技术包括以下步骤：步骤一、使用Kinect设备获取人体的深度图像和骨骼图像；步骤二、对深度图像进行特征提取；步骤三、对骨骼图节点进行坐标转换；步骤四、通过三维软件，创建虚拟的3D角色，并导入至图形引擎，生成角色模型；步骤五、提取关键帧的三个模型组成骨骼特征；步骤六、将深度特征与骨骼特征导入3D角色模型；步骤七、骨骼跟踪矫正。

【技术特征摘要】
1.基于深度学习的角色骨骼点映射技术，其特征在于：所述技术包括以下步骤：步骤一、使用Kinect设备获取人体的深度图像和骨骼图像；步骤二、对深度图像进行特征提取；步骤三、对骨骼图节点进行坐标转换；步骤四、通过三维软件，创建虚拟的3D角色，并导入至图形引擎，生成角色模型；步骤五、提取关键帧的三个模型组成骨骼特征；步骤六、将深度特征与骨骼特征导入3D角色模型；步骤七、骨骼跟踪矫正。2.根据权利要求1所述的基于深度学习的角色骨骼点映射技术，其特征在于：所述步骤一的使用Kinect设备获取人体的深度图像和骨骼图像具体为：利用Kinect传感器收集多幅深度图像样本，建立样本库，样本库中包含各种不同身材和不同的人体常规动作的深度图像，利用这些深度图像，提取深度数据，然后将人体划分为20个部分与骨骼跟踪的20个骨骼点一一对应。3.根据权利要求1所述的基于深度学习的角色骨骼点映射技术，其特征在于：所述步骤二对深度图像进行特征提取就是将深度图像进行降噪处理和背景消除后，将具有时间信息的深度图像序列投影到正交的笛卡儿积平面上，获得3个视角的投影图，对深度运动图进行截取感兴趣区域操作，用以保证并保证相同角度的投影图大小一致，然后从...

【专利技术属性】
技术研发人员：池前程，李鑫，
申请(专利权)人：武汉奥贝赛维数码科技有限公司，
类型：发明
国别省市：湖北,42