CN103886588A - 一种三维人体姿态投影的特征提取方法 - Google Patents
一种三维人体姿态投影的特征提取方法 Download PDFInfo
- Publication number
- CN103886588A CN103886588A CN201410064670.XA CN201410064670A CN103886588A CN 103886588 A CN103886588 A CN 103886588A CN 201410064670 A CN201410064670 A CN 201410064670A CN 103886588 A CN103886588 A CN 103886588A
- Authority
- CN
- China
- Prior art keywords
- plane
- node
- projection
- coordinate
- neck
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维人体姿态投影的特征提取方法,该方法从三维人体运动数据库或本地文件系统获取三维人体运动数据;通过对三维人体运动姿态进行平移、旋转进行姿态的校正,对校正的姿态往三个坐标平面进行投影,使用PCA方法对投影提取特征,求得投影的主方向,即人物的主方向,然后基于二维人物图中人物的主方向,使用夹角信息定义最终的特征。相较于简单的骨骼方向特征而言,本发明的特征既有对人体局部动作的反应,又有对人体整体形态的反应,便于分层次的比较人体姿态的相似性,使得运动可以进行逻辑相似性的比较,同时,本发明的特征提取方法简单高效。
Description
技术领域
本发明涉及图形学和运动检索,尤其涉及一种使用PCA方法对三维人体姿态投影提取几何特征的方法。
背景技术
三维人体姿态投影是三维人体姿态在一个平面上的投影。近年来,随着基于草图的运动检索的兴盛,如何有效定义平面上人物图的特征变得越来越有研究意义。
人体运动捕获技术被广泛应用到动画制作,电影特效,计算机游戏等娱乐领域,带来巨大的经济效益。面对大量的运动捕获数据,如何从中检索得到想要的运动,是我们进一步使用运动数据的基础,十分重要。对三维人体运动数据的检索从输入形式上看可以分为直接基于样例的、使用玩偶的、使用Kinect的等等。直接基于样例的运动检索在手头没有相似的运动片段时,检索进行不下去。而使用玩偶和Kinect的也存在较大难度,因为不是每个动作都能较容易被展示出来,与它们相比,使用草图的方式则有着较为明显的优势。
基于草图这类平面图进行运动检索时,根据草图的具体形式,如完全手绘图较为不规范,而另外一些草图是则是较规则的图形,此时它和人体姿态投影是相类似的,因此我们不仅可以对数据库中的运动姿态投影提取某种特征,而且可以对草图也提取这种特征。现在,一个重要的问题就是怎么定义人体姿态投影的特征了。如果特征定义的好,对姿态的表达能力就强,检索结果必然更好。
对三维人体姿态投影提取特征,较为常见且有效的就是利用投影的几何特征。如Choi等在他们的论文“Retrieval and Visualization of Human Motion Data via Stick Figures”使用了骨骼方向特征就是一种几何特征。这种特征的定义是如果两个关节点之间有骨骼连接,我们就取该连接的方向作为特征的一部分。所有的连接方向构成了一个特征。
考虑到每一个人体运动姿态的投影都有一个大体的方向。如一个直立的姿态的大体方向可以认为是垂直于水平面,一个弯腰捡东西的动作的大体方向会在倾向于靠近水平面,而一个踢腿的动作中大体方向会背离面对的水平面。如果给我们画笔让我们只用一条直线表现人物,那么直立、弯腰捡东西、踢腿也会不同,这就说明了可能存在一条直线,它可以表现出人物的一个总体特征。
而怎么表示这条直线,不难想到PCA。我们的特征也就围绕这里逐渐展开了。
发明内容
本发明的目的是克服现有技术的不足,提供一种一种三维人体姿态投影的特征提取方法。本发明的技术方案如下:
三维人体姿态投影的特征提取方法包括如下步骤:
1)从三维人体运动数据库获取三维人体运动数据,或读取本地文件系统的三维人体运动数据;2)对三维人体运动数据中的三维姿态进行平移、旋转变换;
将三维姿态中位于臀部的Root节点平移到全局坐标系的原点,通过旋转变换使得Neck节点、RHip节点、LHip节点所在的平面与XOY平面平行;并且RHip节点、LHip节点的中点与Neck节点的连线平行于Y轴;其中,Neck节点是脖子对应的关节点的三维坐标,RHip节点是右臀对应的关节点的三维坐标,LHip节点是左臀对应的关节点的三维坐标
定义: PR:Root节点的三维坐标;
PNeck:Neck节点的三维坐标;
PRHip:RHip节点的三维坐标;
PLHip:LHip节点的三维坐标;
PMid:PRHip和PLHip中点的坐标;
Nplane:PNeck、PRHip、PMid三点所在平面的法向量;
计算公式如下:
Nplane=cross(PLHip-PRHip,PNeck-PMid)
其中cross表示叉乘;
L:从PMid指向PNeck的向量,即L=PNeck‐PMid;
通过Root节点的三维坐标计算出平移矩阵,记为T;
平移矩阵
平移矩阵T中,PR(x)、PR(y)、PR(z)分别表示三维坐标PR的三个维度x、y、z上的值;
计算出Nplane绕X轴旋转到XOZ平面的旋转矩阵Rx,
其中,Nplane(x)、Nplane(y)、Nplane(z)分别表示向量Nplane的三个维度x、y、z上的值;
计算出Nplane绕Y轴旋转到与Z轴平行的旋转矩阵Ry,
计算出L绕Z轴旋转到与Y轴平行的旋转矩阵Rz,计算公式如下:
Pt=[L(x)L(y)L(z)1]*Rx*Ry
其中[L(x)L(y)L(z)1]表示将向量L和数字1连接在一起构成的四元组,
L(x)、L(y)、L(z)分别表示向量L的三个维度x、y、z上的值
其中,Pt(x)、Pt(y)、Pt(z)分别表示向量Pt的三个维度x、y、z上的值;
节点坐标转换矩阵M如下:
M=T*Rx*Ry*Rz
将三维姿态的每个关节点坐标乘以节点坐标转换矩阵M,完成对姿态的平移、旋转变换;3)将平移、旋转变换后的三维姿态中的每个关节点的三维坐标(x、y、z)分别投影到XOY、YOZ、XOZ三个平面,得到每个关节点在投影平面上的关节点坐标(x、y、0)、(0、y、z)、(x、0、z);将一个投影平面上的所有关节点坐标组合在一起构成一个集合,用来表示该投影平面上的二维人物图;
4)分别计算出三个投影平面上的二维人物图中人物的主方向;
对每个投影平面上的二维人物图中人物的主方向的计算过程是:选取该投影平面上的部分关节点坐标定义一个关节点集合Sjoint,
Sjoint={Head,Neck,RElbow,RHand,LElbow,LHand,RKnee,RAnkle,LKnee,Lankle}
其中,Head是头部对应的关节点在投影平面的坐标,Neck是脖子对应的关节点在投影平面的坐标,Relbow是右肘对应的关节点在投影平面的坐标,RHand是右手对应的关节点在投影平面的坐标,LElbow是左肘对应的关节点在投影平面的坐标,LHand是左手对应的关节点在投影平面的坐标,Rknee是右膝对应的关节点在投影平面的坐标,RAnkle是右脚踝对应的关节点在投影平面的坐标,Lknee是左膝对应的关节点在投影平面的坐标,LAnkle是左脚踝对应的关节点在投影平面的坐标,对集合Sjoint中的数据使用PCA,得到协方差矩阵最大的特征值对应的特征向量,这个特征向量的方向即为二维人物图中人物的主方向;
5)针对给定的某个投影平面,基于二维人物图中人物的主方向,使用夹角信息定义最终的特征;
针对给定的某个投影平面,二维人物图中人物的主方向与水平面的夹角表示为θpca,选择上肢、下肢的8段骨骼,分别使用向量表示如下:L2是从LShould节点指向LElbow节点的向量,L3是从LElbow节点指向LHand节点的向量,L4是从RShould节点指向RElbow节点的向量,L5是从RElbow节点指向RHand节点的向量,L6是从LHip节点指向LKnee节点的向量,L7是从LKnee节点指向LAnkle节点的向量,L8是从RHip节点指向RKnee节点的向量,L9是从RKnee节点指向RAnkle节点的向量,其中Lshould是左肩对应的关节点在投影平面的坐标,Rshould是右肩对应的关节点在投影平面的坐标,
分别计算L2,L3,L4,L5,L6,L7,L8,L9与二维人物图中人物的主方向的夹角,记为θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9,计算出Rhip节点、Lhip节点的中点与Neck节点构成的直线与二维人物图中人物的主方向的夹角,记为θ1,将以上十个角度信息组合在一起即构成三维人体姿态投影的特征f:
f={θpca,θ1,θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9}。
本发明的有益效果是:本发明使用PCA的方法求得三维人体姿态投影的主方向并使用各种夹角信息构造了特征表示。相较于简单的骨骼方向特征而言,本发明的特征既有对人体局部动作的反应,又有对人体整体形态的反应(依靠θpca表现出来),便于分层次的比较人体姿态的相似性,使得运动可以进行逻辑相似性的比较。同时,本发明的特征提取方法简单高效。附图说明
图1是三维人体姿态的示意图。
图2是人体关节点示意图。
具体实施方式
三维人体姿态投影的特征提取方法包括如下步骤:
1)从三维人体运动数据库获取三维人体运动数据,或读取本地文件系统的三维人体运动数据;
2)对三维人体运动数据中的三维姿态进行平移、旋转变换;
将三维姿态中位于臀部的Root节点平移到全局坐标系的原点,通过旋转变换使得Neck节点、RHip节点、LHip节点所在的平面与XOY平面平行;并且RHip节点、LHip节点的中点与Neck节点的连线平行于Y轴;其中,Neck节点是脖子对应的关节点的三维坐标,RHip节点是右臀对应的关节点的三维坐标,LHip节点是左臀对应的关节点的三维坐标
定义:PR:Root节点的三维坐标;
PNeck:Neck节点的三维坐标;
PRHip:RHip节点的三维坐标;
PLHip:LHip节点的三维坐标;
PMid:PRHip和PLHip中点的坐标;
Nplane:PNeck、PRHip、PMid三点所在平面的法向量;
计算公式如下:
Nplane=cross(PLHip-PRHip,PNeck-PMid)
其中cross表示叉乘;
L:从PMid指向PNeck的向量,即L=PNeck-PMid;
通过Root节点的三维坐标计算出平移矩阵,记为T;
平移矩阵
平移矩阵T中,PR(x)、PR(y)、PR(z)分别表示三维坐标PR的三个维度x、y、z上的值;
计算出Nplane绕X轴旋转到XOZ平面的旋转矩阵Rx,
其中,Nplane(x)、Nplane(y)、Nplane(z)分别表示向量Nplane的三个维度x、y、z上的值;
计算出Nplane绕Y轴旋转到与Z轴平行的旋转矩阵Ry,
计算出L绕Z轴旋转到与Y轴平行的旋转矩阵Rz,计算公式如下:
Pt=[L(x)L(y)L(z)1]*Rx*Ry
其中[L(x)L(y)L(z)1]表示将向量L和数字1连接在一起构成的四元组,
L(x)、L(y)、L(z)分别表示向量L的三个维度x、y、z上的值
其中,Pt(x)、Pt(y)、Pt(z)分别表示向量Pt的三个维度x、y、z上的值;
节点坐标转换矩阵M如下:
M=T*Rx*Ry*Rz
将三维姿态的每个关节点坐标乘以节点坐标转换矩阵M,完成对姿态的平移、旋转变换;3)将平移、旋转变换后的三维姿态中的每个关节点的三维坐标(x、y、z)分别投影到XOY、YOZ、XOZ三个平面,得到每个关节点在投影平面上的关节点坐标(x、y、0)、(0、y、z)、(x、0、z);将一个投影平面上的所有关节点坐标组合在一起构成一个集合,用来表示该投影平面上的二维人物图;
4)分别计算出三个投影平面上的二维人物图中人物的主方向;
对每个投影平面上的二维人物图中人物的主方向的计算过程是:选取该投影平面上的部分关节点坐标定义一个关节点集合Sjoint,
Sjoint={Head,Neck,RElbow,RHand,LElbow,LHand,RKnee,RAnkle,LKnee,Lankle }
其中,Head是头部对应的关节点在投影平面的坐标,Neck是脖子对应的关节点在投影平面的坐标,Relbow是右肘对应的关节点在投影平面的坐标,RHand是右手对应的关节点在投影平面的坐标,LElbow是左肘对应的关节点在投影平面的坐标,LHand是左手对应的关节点在投影平面的坐标,Rknee是右膝对应的关节点在投影平面的坐标,RAnkle是右脚踝对应的关节点在投影平面的坐标,Lknee是左膝对应的关节点在投影平面的坐标,LAnkle是左脚踝对应的关节点在投影平面的坐标,对集合Sjoint中的数据使用PCA,得到协方差矩阵最大的特征值对应的特征向量,这个特征向量的方向即为二维人物图中人物的主方向;
5)针对给定的某个投影平面,基于二维人物图中人物的主方向,使用夹角信息定义最终的特征;
针对给定的某个投影平面,二维人物图中人物的主方向与水平面的夹角表示为θpca,选择上肢、下肢的8段骨骼,分别使用向量表示如下:L2是从LShould节点指向LElbow节点的向量,L3是从LElbow节点指向LHand节点的向量,L4是从RShould节点指向RElbow节点的向量,L5是从RElbow节点指向RHand节点的向量,L6是从LHip节点指向LKnee节点的向量,L7是从LKnee节点指向LAnkle节点的向量,L8是从RHip节点指向RKnee节点的向量,L9是从RKnee节点指向RAnkle节点的向量,其中Lshould是左肩对应的关节点在投影平面的坐标,Rshould是右肩对应的关节点在投影平面的坐标,
分别计算L2,L3,L4,L5,L6,L7,L8,L9与二维人物图中人物的主方向的夹角,记为θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9,计算出Rhip节点、Lhip节点的中点与Neck节点构成的直线与二维人物图中人物的主方向的夹角,记为θ1,将以上十个角度信息组合在一起即构成三维人体姿态投影的特征f:
f={θpca,θ1,θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9}。
下面结合附图详细描述本发明,本发明的目的和效果将变得更加明显。
如图1所示,三维人体姿态投影的特征提取方法包括如下步骤:
1):准备三维人体运动数据文件。
可直接使用卡耐基梅隆大学提供的三维人体运动数据库(可以从http://mocap.cs.cmu.edu下载),该数据库中包含了采集自不同人的各种不同类型的运动,如跑步、走路、跳跃以及各种体育活动。如使用TRC格式,需使用MotionBuilder软件将下载的BVH格式转化为TRC格式。
2):对运动数据中的每个姿态进行平移、旋转变换。
附图1是一个三维人体姿态,Root节点、Neck节点、RHip节点和LHip节点所在位置如附图1中所示。首先定义:
PR:Root节点的三维坐标
PNeck:Neck节点的三维坐标
PRHip:RHip节点的三维坐标
PLHip:LHip节点的三维坐标
PMid:PRHip和PLHip中点的坐标
Nplane:PNeck、PRHip、PMid三点所在平面的法向量,使用公式(1)计算,
其中cross表示叉乘。
Nplane=cross(PLHip-PEHip,PNeck-PMid)公式(1)
L:从PMid指向PNeck的向量,即L=PNeck‐PMid
对于任意的三维坐标P,它三个维度用P(x)、P(y)、P(z)表示
计算平移变换,平移变换是将姿态中位于臀部的Root节点移动到全局坐标系的原点去。平移矩阵设为T,T的计算方法见公式(2):
计算出Nplane绕X轴旋转到XOZ平面的旋转矩阵Rx,计算如公式(3)
再计算出Nplane绕Y轴旋转到与Z轴平行的旋转矩阵Ry ,计算见公式(4)
计算出L绕Z轴旋转到与Y轴平行的旋转矩阵Rz,参加公式(5)、(6)。Pt=
[L(x)L(y)L(z)1]*Rx*Ry 公式(5)
最终节点坐标转换如下:
M=T*Rx*Ry*Rz公式(7)
然后使用姿态原始的关节点坐标乘以M即完成了对姿态的校正。
3):将校正后的三维姿态向XOY、YOZ、XOZ三个平面投影。
投影过程十分简单,对于每个关节点可以表示为:
Projection(P)=Projection(x,y,z)={(x,y),(y,z),(x,z)}
4):计算出三维姿态投影中人物的主方向。
以下几步均是在投影平面上进行,附图2给出了人体上各个关节点的名称,定义一个关节点集合Sjoine为:
Sjoint={Head,Neck,RElbow,RHand,LElbow,LHand,RKnee,RAnkle,LKnee,Lankle}
对集合Sjoint中的数据使用PCA,得到协方差矩阵最大的特征值对应的特征向量,我们称这个特征向量的方向为投影的主方向。
5):基于人物的主方向,使用夹角信息定义最终的特征。
二维人物图中人物的主方向与水平面的夹角表示为θpca,选择上肢、下肢的8段骨骼,分别使用向量表示如下:L2是从LShould节点指向LElbow节点的向量,L3是从LElbow节点指向LHand节点的向量,L4是从RShould节点指向RElbow节点的向量,L5是从RElbow节点指向RHand节点的向量,L6是从LHip节点指向LKnee节点的向量,L7是从LKnee节点指向LAnkle节点的向量,L8是从RHip节点指向RKnee节点的向量,L9是从RKnee节点指向RAnkle节点的向量,其中Lshould是左肩对应的关节点在投影平面的坐标,Rshould是右肩对应的关节点在投影平面的坐标,
分别计算L2,L3,L4,L5,L6,L7,L8,L9与二维人物图中人物的主方向的夹角,记为θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9,计算出Rhip节点、Lhip节点的中点与Neck节点构成的直线与主方向的夹角,记为θ1,将以上十个角度信息组合在一起即构成三维人体姿态投影的特征f:
f={θpca,θ1,θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9}。
至此,得到了最终的结果,即特征:
f={θpca,θ1,θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9}
本发明使用PCA的方法求得三维人体姿态投影的主方向并使用各种夹角信息构造了特征表示。相较于简单的骨骼方向特征而言,本发明的特征既有对人体局部动作的反应,又有对人体整体形态的反应(依靠θpca表现出来),便于分层次的比较人体姿态的相似性,使得运动可以进行逻辑相似性的比较。同时,本发明的特征提取方法简单高效。
Claims (1)
1.一种三维人体姿态投影的特征提取方法,其特征在于,包括如下步骤:
1)从三维人体运动数据库获取三维人体运动数据,或读取本地文件系统的三维人体运动数据;
2)对三维人体运动数据中的三维姿态进行平移、旋转变换;
将三维姿态中位于臀部的Root节点平移到全局坐标系的原点,通过旋转变换使得Neck节点、RHip节点、LHip节点所在的平面与XOY平面平行;并且RHip节点、LHip节点的中点与Neck节点的连线平行于Y轴;其中,Neck节点是脖子对应的关节点的三维坐标,RHip节点是右臀对应的关节点的三维坐标,LHip节点是左臀对应的关节点的三维坐标
定义: P R:Root节点的三维坐标;
PNeck:Neck节点的三维坐标;
PRHip:RHip节点的三维坐标;
PLHip:LHip节点的三维坐标;
PMid:PRHip和PLHip中点的坐标;
NPlane:PNeck、PRHip、PMid三点所在平面的法向量;
计算公式如下:
Nplane = crossss(PLHip-PRHip,PNeck-PMid)
其中cross表示叉乘;
L:从PMid指向PNeck的向量,即L=PNeck‐PMid;
通过Root节点的三维坐标计算出平移矩阵,记为T;
平移矩阵
平移矩阵T中,PR(x)、PR(y)、PR(z)分别表示三维坐标PR的三个维度x、y、z上的值;
计算出Nplane绕X轴旋转到XOZ平面的旋转矩阵Rx,
其中,Nplane(x)、Nplane(y)、Nplane(z)分别表示向量Nplane的三个维度x、y、z上的值;
计算出Nplane绕Y轴旋转到与Z轴平行的旋转矩阵Ry,
计算出L绕Z轴旋转到与Y轴平行的旋转矩阵Rz,计算公式如下:
Pt=[L(x)L(y)L(z)1]*Rx*Ry
其中[L(x)L(y)L(z)1]表示将向量L和数字1连接在一起构成的四元组,
L(x)、L(y)、L(z)分别表示向量L的三个维度x、y、z上的值
其中,Pt(x)、Pt(y)、Pt(z)分别表示向量Pt的三个维度x、y、z上的值;
节点坐标转换矩阵M如下:
M=T*Rx*Ry*Rz
将三维姿态的每个关节点坐标乘以节点坐标转换矩阵M,完成对姿态的平移、旋转变换;
3)将平移、旋转变换后的三维姿态中的每个关节点的三维坐标(x、y、z)分别投影到XOY、YOZ、XOZ三个平面,得到每个关节点在投影平面上的关节点坐标(x、y、0)、(0、y、z)、(x、0、z);将一个投影平面上的所有关节点坐标组合在一起构成一个集合,用来表示该投影平面上的二维人物图;
4)分别计算出三个投影平面上的二维人物图中人物的主方向;
对每个投影平面上的二维人物图中人物的主方向的计算过程是:选取该投影平面上的部分关节点坐标定义一个关节点集合Sjoint,
Sjoine={Head,Neck,RElbow,RHand,LElbow,LHand,RKnee,RAnkle,LKnee,Lankle }
其中,Head是头部对应的关节点在投影平面的坐标,Neck是脖子对应的关节点在投影平面的坐标,Relbow是右肘对应的关节点在投影平面的坐标,RHand是右手对应的关节点在投影平面的坐标,LElbow是左肘对应的关节点在投影平面的坐标,LHand是左手对应的关节点在投影平面的坐标,Rknee是右膝对应的关节点在投影平面的坐标,RAnkle是右脚踝对应的关节点在投影平面的坐标,Lknee是左膝对应的关节点在投影平面的坐标,LAnkle是左脚踝对应的关节点在投影平面的坐标,对集合Sjoint中的数据使用PCA,得到协方差矩阵最大的特征值对应的特征向量,这个特征向量的方向即为二维人物图中人物的主方向;
5)针对给定的某个投影平面,基于二维人物图中人物的主方向,使用夹角信息定义最终的特征;
针对给定的某个投影平面,二维人物图中人物的主方向与水平面的夹角表示为θpca,选择上肢、下肢的8段骨骼,分别使用向量表示如下:L2是从LShould节点指向LElbow节点的向量,L3是从LElbow节点指向LHand节点的向量,L4是从RShould节点指向RElbow节点的向量,L5是从RElbow节点指向RHand节点的向量,L6是从LHip节点指向LKnee节点的向量,L7是从LKnee节点指向LAnkle节点的向量,L8是从RHip节点指向RKnee节点的向量,L9是从RKnee节点指向RAnkle节点的向量,其中Lshould是左肩对应的关节点在投影平面的坐标,Rshould是右肩对应的关节点在投影平面的坐标,
分别计算L2,L3,L4,L5,L6,L7,L8,L9与二维人物图中人物的主方向的夹角,记为θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9,计算出Rhip节点、Lhip节点的中点与Neck节点构成的直线与二维人物图中人物的主方向的夹角,记为θ1,将以上十个角度信息组合在一起即构成三维人体姿态投影的特征f:
f={θpca,θ1,θ2,θ3,θ4,θ5,θ6,θ7,θ8,θ9}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064670.XA CN103886588B (zh) | 2014-02-26 | 2014-02-26 | 一种三维人体姿态投影的特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410064670.XA CN103886588B (zh) | 2014-02-26 | 2014-02-26 | 一种三维人体姿态投影的特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886588A true CN103886588A (zh) | 2014-06-25 |
CN103886588B CN103886588B (zh) | 2016-08-17 |
Family
ID=50955461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410064670.XA Active CN103886588B (zh) | 2014-02-26 | 2014-02-26 | 一种三维人体姿态投影的特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886588B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301370A (zh) * | 2017-05-08 | 2017-10-27 | 上海大学 | 一种基于Kinect三维骨架模型的肢体动作识别方法 |
CN108211312A (zh) * | 2017-11-30 | 2018-06-29 | 中国联合网络通信集团有限公司 | 基于ar或vr运动的动作校正方法和装置 |
CN108392207A (zh) * | 2018-02-09 | 2018-08-14 | 西北大学 | 一种基于姿态标签的动作识别方法 |
CN109589563A (zh) * | 2018-12-29 | 2019-04-09 | 南京华捷艾米软件科技有限公司 | 一种基于3d体感摄像头的舞蹈姿态教辅方法及系统 |
CN109635783A (zh) * | 2019-01-02 | 2019-04-16 | 上海数迹智能科技有限公司 | 视频监控方法、装置、终端和介质 |
CN110502564A (zh) * | 2019-08-28 | 2019-11-26 | 北京理工大学 | 基于姿态基的运动特征数据库生成方法、检索方法及终端 |
CN110516114A (zh) * | 2019-08-28 | 2019-11-29 | 北京理工大学 | 基于姿态基的运动数据库自动标注方法及终端 |
CN112861624A (zh) * | 2021-01-05 | 2021-05-28 | 哈尔滨工业大学(威海) | 一种人体姿态检测方法、系统、存储介质、设备及终端 |
CN113435236A (zh) * | 2021-02-20 | 2021-09-24 | 哈尔滨工业大学(威海) | 居家老人姿态检测方法、系统、存储介质、设备及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515371A (zh) * | 2009-03-26 | 2009-08-26 | 浙江大学 | 人体运动数据片段提取方法 |
WO2010036091A2 (en) * | 2008-09-24 | 2010-04-01 | Mimos Berhad | A system and a method for identifying human behavioural intention based on an effective motion analysis |
CN103455817A (zh) * | 2013-04-28 | 2013-12-18 | 南京理工大学 | 一种鲁棒的时空域的人体特征提取方法 |
-
2014
- 2014-02-26 CN CN201410064670.XA patent/CN103886588B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010036091A2 (en) * | 2008-09-24 | 2010-04-01 | Mimos Berhad | A system and a method for identifying human behavioural intention based on an effective motion analysis |
CN101515371A (zh) * | 2009-03-26 | 2009-08-26 | 浙江大学 | 人体运动数据片段提取方法 |
CN103455817A (zh) * | 2013-04-28 | 2013-12-18 | 南京理工大学 | 一种鲁棒的时空域的人体特征提取方法 |
Non-Patent Citations (2)
Title |
---|
肖俊 等: "三维人体运动特征可视化与交互式运动分割", 《软件学报》 * |
赵晓娟: "基于几何特征的人体运动数据表示方法", 《网络财富》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301370A (zh) * | 2017-05-08 | 2017-10-27 | 上海大学 | 一种基于Kinect三维骨架模型的肢体动作识别方法 |
CN108211312A (zh) * | 2017-11-30 | 2018-06-29 | 中国联合网络通信集团有限公司 | 基于ar或vr运动的动作校正方法和装置 |
CN108392207A (zh) * | 2018-02-09 | 2018-08-14 | 西北大学 | 一种基于姿态标签的动作识别方法 |
CN109589563A (zh) * | 2018-12-29 | 2019-04-09 | 南京华捷艾米软件科技有限公司 | 一种基于3d体感摄像头的舞蹈姿态教辅方法及系统 |
CN109635783A (zh) * | 2019-01-02 | 2019-04-16 | 上海数迹智能科技有限公司 | 视频监控方法、装置、终端和介质 |
CN110502564A (zh) * | 2019-08-28 | 2019-11-26 | 北京理工大学 | 基于姿态基的运动特征数据库生成方法、检索方法及终端 |
CN110516114A (zh) * | 2019-08-28 | 2019-11-29 | 北京理工大学 | 基于姿态基的运动数据库自动标注方法及终端 |
CN112861624A (zh) * | 2021-01-05 | 2021-05-28 | 哈尔滨工业大学(威海) | 一种人体姿态检测方法、系统、存储介质、设备及终端 |
CN113435236A (zh) * | 2021-02-20 | 2021-09-24 | 哈尔滨工业大学(威海) | 居家老人姿态检测方法、系统、存储介质、设备及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN103886588B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886588A (zh) | 一种三维人体姿态投影的特征提取方法 | |
JP7061694B2 (ja) | 画像処理方法および装置、画像機器、ならびに記憶媒体 | |
CN105389539B (zh) | 一种基于深度数据的三维手势姿态估计方法及系统 | |
Jiang | 3d human pose reconstruction using millions of exemplars | |
CN104008564B (zh) | 一种人脸表情克隆方法 | |
CN107301370A (zh) | 一种基于Kinect三维骨架模型的肢体动作识别方法 | |
CN104794722A (zh) | 利用单个Kinect计算着装人体三维净体模型的方法 | |
CN106023288A (zh) | 一种基于图像的动态替身构造方法 | |
TW201215435A (en) | Visual target tracking | |
CN103208133A (zh) | 一种图像中人脸胖瘦的调整方法 | |
JP2019096113A (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
CN103824326A (zh) | 一种动态的人体三维建模方法 | |
CN102682452A (zh) | 基于产生式和判别式结合的人体运动跟踪方法 | |
WO2021063271A1 (zh) | 人体模型重建方法、重建系统及存储介质 | |
CN103679797A (zh) | 采用可变形模型的人肢体建模方法及虚拟人模型控制平台 | |
WO2020147791A1 (zh) | 图像处理方法及装置、图像设备及存储介质 | |
CN102479386A (zh) | 基于单目视频的人体上半身三维运动跟踪方法 | |
KR101095860B1 (ko) | 인체 모델의 형상 변형 방법 | |
CN103729879A (zh) | 基于力觉计算的虚拟手稳定抓取方法 | |
Jain et al. | Leveraging the talent of hand animators to create three-dimensional animation | |
WO2020147797A1 (zh) | 图像处理方法及装置、图像设备及存储介质 | |
CN115018962A (zh) | 一种基于虚拟人物模型的人体运动姿态数据集生成方法 | |
CN108053462A (zh) | 一种从静态人体模型直接自动生成动画的方法 | |
WO2020147794A1 (zh) | 图像处理方法及装置、图像设备及存储介质 | |
Cha et al. | Mobile. Egocentric human body motion reconstruction using only eyeglasses-mounted cameras and a few body-worn inertial sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |