【技术实现步骤摘要】
一种高效且稳健的人体图像与三维人体模型匹配技术
找到形状之间有意义的匹配是几何处理中的一个基本问题，在计算机图形学、计算机视觉和医学成像中有许多应用。并且我们的技术是对人体图像和三维人体模型的进行匹配，在三维人体模型重建技术也有着十分广泛的应用场景。本技术通过性状描述符并结合所提出的失真函数可以快速得到两个人体形状点集的对应关系。
技术介绍
形状匹配就是寻找两个形状上点集的最佳对应关系。许多形状匹配算法依赖于形状局部描述符，比如沿着轮廓点处的局部曲率、法向量等其它几何属性,虽然实现简单，并且匹配速度极快，但它可能是一个脆弱的特征，对于较为复杂的形状匹配效果不佳。而更专业的轮廓匹配可以大大的改善匹配质量，但保持顺序的轮廓匹配通常涉及昂贵的代价，往往需要迭代多次才能获得精准的匹配结果，如采用动态编程可以得到出色的匹配结果，但其时间成本是难以接受的。人体形状匹配一直是一个难题，从图像中获取的人体形状通常会受到服装、图像质量等因素的影响，这使得人体形状之间的对应变得非常困难。我们的技术将解决人体这种复杂形状之间的匹配问题，快...
【技术保护点】
1.一种高效且稳健的人体图像与三维人体模型匹配技术的步骤包括：/n获取人体形状数据。我们从单个消费级RGB-D设备上实时获取人体图像，并根据图像中人体骨骼驱动三维人体模型变形。/n人体形状的描述，我们的技术利用一个低维形状描述符来描述形状中每个点的位置关系。/n利用改进后的匈牙利算法快速得到两个人体轮廓点集的对应关系。/n对匹配结果中的异常值的稳健处理，得到人体形状的最佳对应关系。/n
【技术特征摘要】
1.一种高效且稳健的人体图像与三维人体模型匹配技术的步骤包括：
获取人体形状数据。我们从单个消费级RGB-D设备上实时获取人体图像，并根据图像中人体骨骼驱动三维人体模型变形。
人体形状的描述，我们的技术利用一个低维形状描述符来描述形状中每个点的位置关系。
利用改进后的匈牙利算法快速得到两个人体轮廓点集的对应关系。
对匹配结果中的异常值的稳健处理，得到人体形状的最佳对应关系。
2.根据权利要求1中所述的人体形状匹配技术，其特征在于，从人体图像和模型中分别获取对应的人体轮廓，并从轮廓中采集一定的样本点作为我们待匹配点集。我们的方法并不从特定数据集中获取人体数据，这使得我们的人体形状几乎能够以任意的姿势出现，而不限定于特定的数据库。通常从单个消费级RGB-D设备中提取的图像信息非常嘈杂，我们将利用高斯滤波等常用的图像处理算法对数据进行预处理，然后我们必须从人体图像得到相应的人体轮廓，而从图像中提取人体轮廓不是问题-例如，可以使用边缘检测器。我们从人体轮廓采样一组点表以近似表示人体形状，我们的技术对于点的采集并没有特别的要求，并不要求是特征点或拐点等可以代表形状的关键点位。更具体地说，在表示物体形状时，因不同物体形状复杂度不同，越复杂的图像需要的特征点就越多。实际中要用尽可能少的点表达物体的形状，才能够有效减少计算量及算法复杂度。本文在提取边界轮廓点时，预先设定固定的边缘轮廓点数n，根据不同物体外轮廓点的个数设置提取轮廓点时的距离。我们更喜欢以大致均匀的间距从人体轮廓上采样一组点p＝{p1,p2,…,pn},虽然这不是很重要，但这样可以获得更好表示基础连续形状的近似值。
3.根据权利要求3所述的人体形状的匹配技术，其中，还包括：利用形状描述符描述特定的人体形状，对于给定的点集P＝{p1，p2，p3，...，pn}，pi∈IR2,利用pi点与其余的n-1个采样点的相对位置关系构建特征向量，这n-1个向量可以反映出该点在该物体形状中的位置信息(距离和方向)。依次选取每个采样点pi作为参考点,以该参考点为中心建立对数极坐标空间，并按照角度和距离划扇区。这使得离参考点越近的点对该点的影响力越大，而对于同一环上的点的鉴别能力是相同的。统计每个区域中除点pi外其余的轮廓点的个数就可以得到该点的直方图H，因此点pi的低维形状描述符计算公式如下：
hi(k)＝#{pj≠pi：(pj-pi)∈bin(k)}
其中k代表极坐标系中扇区的顺序代号，#表示统计第k个区域中轮廓点的个数，pj-pi∈bin(k)表示点pj属于点pi的形状直方图的第k个分量。
4.根据权利要求3所述的人体形状的匹配技术，其中，还包括：将人体形状之间的匹配转化为判定第一个物体形状上的点pi和第二个物体形状上的点qj之间的...
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。