CN116310400A - 一种智能动作捕捉系统及方法 - Google Patents

一种智能动作捕捉系统及方法 Download PDF

Info

Publication number
CN116310400A
CN116310400A CN202310257393.3A CN202310257393A CN116310400A CN 116310400 A CN116310400 A CN 116310400A CN 202310257393 A CN202310257393 A CN 202310257393A CN 116310400 A CN116310400 A CN 116310400A
Authority
CN
China
Prior art keywords
image
computer
intelligent
target action
feature
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.)
Pending
Application number
CN202310257393.3A
Other languages
English (en)
Inventor
王峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Sigma Intelligent Technology Co ltd
Original Assignee
Suzhou Sigma Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Sigma Intelligent Technology Co ltd filed Critical Suzhou Sigma Intelligent Technology Co ltd
Priority to CN202310257393.3A priority Critical patent/CN116310400A/zh
Publication of CN116310400A publication Critical patent/CN116310400A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/2628—Alteration of picture size, shape, position or orientation, e.g. zooming, rotation, rolling, perspective, translation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及智能动作捕捉技术领域，且公开了一种智能动作捕捉系统及方法，该智能动作捕捉系统及方法，包括摄像头、计算机、显示器，所述计算机中包括：所述计算机中设置有预处理模块，所述计算机中设置有特征获取模块，所述计算机中设置有智能分析模块，所述计算机中设置有图片查询模块，所述计算机中设置有动作特征检测模块，所述计算机中设置有动作捕捉图像特征数据库，所述计算机中设置有智能信息输出模块。该智能动作捕捉系统及方法，通过设置有计算机中的预处理模块使其对摄像头获取的目标动作图像进行修改去除通过摄像头得到的目标动作图像中周边的光线与阴影的影响部分，使得对后续的特征获取消除一定的误差。

Description

一种智能动作捕捉系统及方法
技术领域
本发明涉及智能动作捕捉技术领域，具体为一种智能动作捕捉系统及方法。
背景技术
摄像的行为主体是拍摄者、被拍对象及摄像器材，以被拍的对象为基准调焦，将画面记录于摄像器材，摄取画面的操作过程分为：远景、全景、中景、近景、特写和显微等，摄像技巧包括镜头的运用--推、拉、摇、移、跟等，镜头的组合--淡出、淡入、切换及叠化等。在起幅的广角阶段和落幅的长焦阶段以及变动镜头焦距或移动机位，始终使镜头画面框架对准被拍对象进行拍摄。
现有的动作捕捉系统通常设置有摄像头、计算机、显示屏，对目标图像进行动作捕捉与智能分析，从而得出关于目标动作的分析规律与相关信息，提高了使用者对动作捕捉的工作料率与准确性。
但是上述设备在实际使用过程中，对图像的信息处理较差，直接使用摄像头捕捉的图像使其图像特征点分布极其不均匀，所需对图像的动作捕捉难度较大，分析目标图片动作时间较长效率较低；鉴于此，我们提出了一种智能动作捕捉系统及方法。
发明内容
本发明的目的在于提供一种智能动作捕捉系统及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种智能动作捕捉系统包括摄像头、计算机、显示器，所述计算机中包括：
预处理模块，所述计算机中设置有预处理模块；
特征获取模块，所述计算机中设置有特征获取模块；
智能分析模块，所述计算机中设置有智能分析模块；
图片查询模块，所述计算机中设置有图片查询模块；
动作特征检测模块，所述计算机中设置有动作特征检测模块；
动作捕捉图像特征数据库，所述计算机中设置有动作捕捉图像特征数据库；
智能信息输出模块，所述计算机中设置有智能信息输出模块；
系统升级模块，所述计算机中设置有系统升级模块。
优选的，所述预处理模块通过对获取的目标动作图像进行修改去除通过摄像头得到的目标动作图像中周边的光线与阴影的影响部分，并且调节修改后图片的尺寸和去除图片边缘无效部分，使得对后续的特征获取消除一定的误差。
优选的，所述特征获取模块通过对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置，根据精确的特征点位置，插值获得其他选取的图像特征点的位置，将所有的特征信息进行融合，得到关于特征点信息的集合，使得对后续的智能分析特征点提高准确性。
优选的，所述智能分析模块通过计算机的强大算力，使其将动作捕捉图像的特征数据库中的特征点集合与目标动作图像的特征点集合进行周期性的集合比对。
优选的，所述图片查询模块通过计算机收集相对应的目标动作图片的相关信息。
一种智能动作捕捉系统，包括以下步骤：
S1：启动计算机，建立智能数据库，将动作捕捉图像按照图片特征点进行分类存储；
S2：启动摄像头，获取目标动作图像；
S3：计算机运行，对获取的目标动作图像进行预处理设置；
S31：对获取的目标动作图像进行修改去除目标动作图像中周边的光线与阴影的影响部分；
S32：将目标动作图像进行裁剪，去除图像边缘无效部分；
S4：提取预处理后的目标动作图像中的特征数据；
S41：对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置；
S42：根据精确的特征点位置，插值获得其他选取的图像特征点的位置；
S43：将图像进行特征点融合化处理，计算得到图像特征点A的数量，将所有特征点的数量组成一个图像特征数据集合；
S5：将目标动作图像中的特征数据与智能数据库中的每一个动作图像的特征数据进行比对，分析目标动作图像特征点与智能数据库中图像的特征点一致性分布；
S51：选取智能数据库中的一个拥有图像特征点为A的数量动作图像进行匹配比较；
S52：重复以上步骤，将获得目标动作图像与智能数据库中所有拥有A个特征点的图像相比较，选择出图像的特征点一致性分布匹配率最高的智能数据库中的图片；
S6：判断是否匹配到智能数据库中动作图像；
S61：通过图片查询检测智能数据库中是否拥有A个特征点的图像且特征点分布率较为匹配的图片；
S7：根据匹配到的智能数据库中的图像分析得到目标动作图像的关联信息；
S8：输出目标动作图像的关联信息输出至显示器。
优选的，所述摄像捕捉图像采用对目标动作进行多次多角度多短间隔的捕捉图像程序，且对捕捉对象的时长有限制，限制时长为一分钟。
优选的，所述计算机更加特征点分布采用HOG特征提取算法进行处理，配合计算机内部强大的计算力加成，使其图像的表象和形状能够被边缘或梯度的方向密度分布很好地表示，且HOG特征点提取算法具有几何和光学不变性。
优选的，所述计算机的升级系统会上传每次成功匹配的目标动作图像信息，以方便工作人员持续比较新的目标动作图像。
与现有技术相比，本发明提供了一种智能动作捕捉系统及方法，具备以下有益效果：
1、该智能动作捕捉系统及方法，通过设置有计算机中的预处理模块使其对摄像头获取的目标动作图像进行修改去除通过摄像头得到的目标动作图像中周边的光线与阴影的影响部分，并且调节修改后图片的尺寸和去除图片边缘无效部分，使得对后续的特征获取消除一定的误差，且计算机中的特征获取模块通过对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置，根据精确的特征点位置，插值获得其他选取的图像特征点的位置，将所有的特征信息进行融合，得到关于特征点信息的集合，使得对后续的智能分析特征点提高准确性，智能分析模块通过计算机的强大算力，使其将动作捕捉图像的特征数据库中的特征点集合与目标动作图像的特征点集合进行周期性的集合比对，提高了对图片分析比对的效率与准确性。
2、该智能动作捕捉系统及方法，摄像捕捉图像采用对目标动作进行多次多角度多短间隔的捕捉图像，使目标动作图像的素材比对量更多，目标动作图像的动作特征点误差越低，使目标动作图像的特征点分布综合更加均匀，同时计算机自动升级系统会上传每次成功匹配的目标动作图像信息，以方便工作人员持续比较新的目标动作图像。
3、该智能动作捕捉系统及方法，计算机更加特征点分布采用HOG特征提取算法进行处理，配合计算机内部强大的计算力加成，使其图像的表象和形状能够被边缘或梯度的方向密度分布很好地表示，且HOG特征点提取算法具有几何和光学不变性，使其计算机智能动作捕捉分析效率更高，且提高了计算机对目标动作图像处理的准确性。
附图说明
图1为本发明指挥调度系统结构示意图；
图2为本发明处置流程示意图。
具体实施方式
如图1-2所示，本发明提供一种技术方案：一种智能动作捕捉系统及方法，包括摄像头、计算机、显示器，其特征在于：所述计算机中包括：
预处理模块，所述计算机中设置有预处理模块；
特征获取模块，所述计算机中设置有特征获取模块；
智能分析模块，所述计算机中设置有智能分析模块；
图片查询模块，所述计算机中设置有图片查询模块；
动作特征检测模块，所述计算机中设置有动作特征检测模块；
动作捕捉图像特征数据库，所述计算机中设置有动作捕捉图像特征数据库；
智能信息输出模块，所述计算机中设置有智能信息输出模块；
系统升级模块，所述计算机中设置有系统升级模块。
在本发明的一种实施例中，预处理模块通过对获取的目标动作图像进行修改去除通过摄像头得到的目标动作图像中周边的光线与阴影的影响部分，并且调节修改后图片的尺寸和去除图片边缘无效部分，使得对后续的特征获取消除一定的误差，特征获取模块通过对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置，根据精确的特征点位置，插值获得其他选取的图像特征点的位置，将所有的特征信息进行融合，得到关于特征点信息的集合，使得对后续的智能分析特征点提高准确性，智能分析模块通过计算机的强大算力，使其将动作捕捉图像的特征数据库中的特征点集合与目标动作图像的特征点集合进行周期性的集合比对，图片查询模块通过计算机收集相对应的目标动作图片的相关信息。
而基于智能动作捕捉系统的一种智能动作捕捉方法则包括以下步骤：
S1：启动计算机，建立智能数据库，将动作捕捉图像按照图片特征点进行分类存储；
S2：启动摄像头，获取目标动作图像；
S3：计算机运行，对获取的目标动作图像进行预处理设置；
S31：对获取的目标动作图像进行修改去除目标动作图像中周边的光线与阴影的影响部分；
S32：将目标动作图像进行裁剪，去除图像边缘无效部分；
S4：提取预处理后的目标动作图像中的特征数据；
S41：对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置；
S42：根据精确的特征点位置，插值获得其他选取的图像特征点的位置；
S43：将图像进行特征点融合化处理，计算得到图像特征点A的数量，将所有特征点的数量组成一个图像特征数据集合；
S5：将目标动作图像中的特征数据与智能数据库中的每一个动作图像的特征数据进行比对，分析目标动作图像特征点与智能数据库中图像的特征点一致性分布；
S51：选取智能数据库中的一个拥有图像特征点为A的数量动作图像进行匹配比较；
S52：重复以上步骤，将获得目标动作图像与智能数据库中所有拥有A个特征点的图像相比较，选择出图像的特征点一致性分布匹配率最高的智能数据库中的图片；
S6：判断是否匹配到智能数据库中动作图像；
S61；通过图片查询检测智能数据库中是否拥有A个特征点的图像且特征点分布率较为匹配的图片；
S7：根据匹配到的智能数据库中的图像分析得到目标动作图像的关联信息；
S8：输出目标动作图像的关联信息输出至显示器。
其中：摄像捕捉图像采用对目标动作进行多次多角度多短间隔的捕捉图像程序，且对捕捉对象的时长有限制，限制时长为一分钟，使目标动作图像的素材比对量更多，目标动作图像的动作特征点误差越低，使目标动作图像的特征点分布综合更加均匀，计算机更加特征点分布采用HOG特征提取算法进行处理，配合计算机内部强大的计算力加成，使其图像的表象和形状能够被边缘或梯度的方向密度分布很好地表示，且HOG特征点提取算法具有几何和光学不变性，使其计算机智能动作捕捉分析效率更高，且提高了计算机对目标动作图像处理的准确性，计算机的升级系统会上传每次成功匹配的目标动作图像信息，以方便工作人员持续比较新的目标动作图像。
上文一般性的对本发明做了详尽的描述，但在本发明基础上，可以对之做一些修改或改进，这对于技术领域的一般技术人员是显而易见的。因此，在不脱离本发明思想精神的修改或改进，均在本发明的保护范围之内。

Claims (9)

1.一种智能动作捕捉系统，包括摄像头、计算机、显示器，其特征在于：所述计算机中包括：
预处理模块，所述计算机中设置有预处理模块；
特征获取模块，所述计算机中设置有特征获取模块；
智能分析模块，所述计算机中设置有智能分析模块；
图片查询模块，所述计算机中设置有图片查询模块；
动作特征检测模块，所述计算机中设置有动作特征检测模块；
动作捕捉图像特征数据库，所述计算机中设置有动作捕捉图像特征数据库；
智能信息输出模块，所述计算机中设置有智能信息输出模块；
系统升级模块，所述计算机中设置有系统升级模块。
2.根据权利要求1所述的一种智能动作捕捉系统，其特征在于：所述预处理模块通过对获取的目标动作图像进行修改去除通过摄像头得到的目标动作图像中周边的光线与阴影的影响部分，并且调节修改后图片的尺寸和去除图片边缘无效部分，使得对后续的特征获取消除一定的误差。
3.根据权利要求1所述的一种智能动作捕捉系统，其特征在于：所述特征获取模块通过对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置，根据精确的特征点位置，插值获得其他选取的图像特征点的位置，将所有的特征信息进行融合，得到关于特征点信息的集合，使得对后续的智能分析特征点提高准确性。
4.根据权利要求1所述的一种智能动作捕捉系统，其特征在于：所述智能分析模块通过计算机的强大算力，使其将动作捕捉图像的特征数据库中的特征点集合与目标动作图像的特征点集合进行周期性的集合比对。
5.根据权利要求1所述的一种智能动作捕捉系统，其特征在于：所述图片查询模块通过计算机收集相对应的目标动作图片的相关信息。
6.根据权利要求1所述的一种智能动作捕捉方法，其特征在于：基于权利要求1-5的一种智能动作捕捉系统，包括以下步骤：
S1：启动计算机，建立智能数据库，将动作捕捉图像按照图片特征点进行分类存储；
S2：启动摄像头，获取目标动作图像；
S3：计算机运行，对获取的目标动作图像进行预处理设置；
S31：对获取的目标动作图像进行修改去除目标动作图像中周边的光线与阴影的影响部分；
S32：将目标动作图像进行裁剪，去除图像边缘无效部分；
S4：提取预处理后的目标动作图像中的特征数据；
S41：对目标动作图像进行检测选点，得到目标动作图像中精确的特征点位置；
S42：根据精确的特征点位置，插值获得其他选取的图像特征点的位置；
S43；将图像进行特征点融合化处理，计算得到图像特征点A的数量，将所有特征点的数量组成一个图像特征数据集合；
S5：将目标动作图像中的特征数据与智能数据库中的每一个动作图像的特征数据进行比对，分析目标动作图像特征点与智能数据库中图像的特征点一致性分布；
S51：选取智能数据库中的一个拥有图像特征点为A的数量动作图像进行匹配比较；
S52：重复以上步骤，将获得目标动作图像与智能数据库中所有拥有A个特征点的图像相比较，选择出图像的特征点一致性分布匹配率最高的智能数据库中的图片；
S6：判断是否匹配到智能数据库中动作图像；
S61：通过图片查询检测智能数据库中是否拥有A个特征点的图像且特征点分布率较为匹配的图片；
S7：根据匹配到的智能数据库中的图像分析得到目标动作图像的关联信息；
S8：输出目标动作图像的关联信息输出至显示器。
7.根据权利要求6所述的一种智能动作捕捉方法，其特征在于：所述摄像捕捉图像采用对目标动作进行多次多角度多短间隔的捕捉图像程序，且对捕捉对象的时长有限制，限制时长为一分钟。
8.根据权利要求6所述的一种智能动作捕捉方法，其特征在于：所述计算机更加特征点分布采用HOG特征提取算法进行处理，配合计算机内部强大的计算力加成，使其图像的表象和形状能够被边缘或梯度的方向密度分布很好地表示，且HOG特征点提取算法具有几何和光学不变性。
9.根据权利要求6所述的一种智能动作捕捉方法，其特征在于：所述计算机的升级系统会上传每次成功匹配的目标动作图像信息，以方便工作人员持续比较新的目标动作图像。
CN202310257393.3A 2023-03-17 2023-03-17 一种智能动作捕捉系统及方法 Pending CN116310400A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310257393.3A CN116310400A (zh) 2023-03-17 2023-03-17 一种智能动作捕捉系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310257393.3A CN116310400A (zh) 2023-03-17 2023-03-17 一种智能动作捕捉系统及方法

Publications (1)

Publication Number Publication Date
CN116310400A true CN116310400A (zh) 2023-06-23

Family

ID=86786548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310257393.3A Pending CN116310400A (zh) 2023-03-17 2023-03-17 一种智能动作捕捉系统及方法

Country Status (1)

Country Link
CN (1) CN116310400A (zh)

Similar Documents

Publication Publication Date Title
CN107368776B (zh) 车辆定损图像获取方法、装置、服务器和终端设备
CN110609037A (zh) 产品缺陷检测系统及方法
TW201839666A (zh) 車輛定損影像獲取方法、裝置、伺服器和終端設備
EP3023937A1 (en) Image segmentation method and image segmentation device
EP2134082A1 (en) Image synthesizing method and image synthesizing system
CN104902182B (zh) 一种实现连续自动对焦的方法和装置
CN109451240B (zh) 对焦方法、装置、计算机设备和可读存储介质
CN113780201B (zh) 手部图像的处理方法及装置、设备和介质
CN109495626A (zh) 一种用于便携式移动通讯设备的拍摄辅助装置及系统
CN110826487B (zh) 一种人脸表情数据采集方法
CN111627073A (zh) 一种基于人机交互的标定方法、标定装置和存储介质
CN115330859A (zh) 一种基于机器视觉的自动对焦、自动对中方法及系统
CN108416800A (zh) 目标跟踪方法及装置、终端、计算机可读存储介质
CN113556438B (zh) 扫描控制方法、系统、电子设备和存储介质
CN116310400A (zh) 一种智能动作捕捉系统及方法
CN115022549B (zh) 拍摄构图方法、装置、计算机设备和存储介质
CN109598195B (zh) 一种基于监控视频的清晰人脸图像处理方法与装置
CN114004891A (zh) 一种基于目标追踪的配网线路巡检方法及相关装置
CN116405775A (zh) 自动聚焦方法和装置、电子设备及拍摄系统
CN112995503B (zh) 手势控制全景图像获取方法、装置、电子设备及存储介质
CN112367461B (zh) 仪表图像样本制作方法及系统、存储介质、电子设备
CN111656247A (zh) 一种细胞图像处理系统、方法、自动读片装置与存储介质
CN112839168B (zh) 一种自动调整aoi检测系统中相机成像分辨率的方法
CN112437229A (zh) 一种画面追踪方法、装置、电子设备及存储介质
CN108234868B (zh) 一种基于案例推理的智能拍摄系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination