基于单视频图像序列的人体三维姿态重建

提出了至少存在一个深度值已知点的约束条件下,基于单视频图像序列重建人体三维姿态的方法。利用已知间距的平面点阵来标定获得摄像机参数,在透视投影模型下,根据单视频图像序列中人体关节点的二维数据,重建其三维信息。并将人体运动序列按照运动突变点划分为若干子序列,有效消除了二义性的干扰,较为精确的实现了人体三维姿态的重建。给出了该方法的实验过程及计算结果,验证了该算法的可行性和精度。

基于少量惯性传感器的姿态重建与仿真

提出了一种基于少量惯性传感器的姿态重建方法,将输入的低维角加速度信息作为控制信号,以高维欧拉角运动数据库为基础,重建出高维的人体全身姿态序列。通过建立数字相似性-几何相似性-时间持续性模型,对加速度进行重构,保证候选重建姿态的在数字-逻辑上相似性的统一。通过引入最优化能量函数,求解最优重建姿态序列。通过分析和对比实验,表明方法能够重建出真实可信的人体姿态序列。本研究使用少量惯性传感器控制,能产生持续的全身关节的姿态序列,通过减少传感器数量,达到降低系统成本的目的。

基于条件循环生成对抗网络的人脸姿态重建

人脸姿态重建对于解决由于人脸姿态导致的人脸识别率降低的问题有重要意义,由于自遮挡,缺少大部分的人脸特征,重建正面人脸存在很大困难。近年来运用生成对抗网络的图像生成方法得到学界深入的研究,受生成对抗网络在人脸肤色,头发等属性变换等方面研究工作的启发,将人脸偏转角度作为人脸的一种全局姿态属性进行基于生成对抗机制的互换训练,提出了一种基于条件循环生成对抗网络(CC-GAN)的姿态重建方法,在FERET数据库上生成的人脸图像结构相似度达到了0.75,峰值信噪比达到了23.27 dB,均优于当前的其他方法,取得了良好的人脸重建效果。

基于多传感器的警犬姿态实时重建与仿真

实时警犬姿态重建能为警方带犬执勤提供了一种智能、便捷、超视距的交互方式。针对警犬的生物运动特性,设计实现了全新的多传感器警犬数据背心;基于多个体积小、功耗低传感器,构建了新的警犬运动姿态融合方法,可以捕获警犬的不同姿态数据,包括站姿、坐姿、卧姿等;针对警犬频繁抖动问题,提出了基于多传感器数据背心的警犬姿态重建方法,引入一种改进的核函数ELM(ExtremeLearningMachines)算法,求解最优重建姿态结果。通过分析和对比实验仿真,表明本方法能够实时重建出真实可信的警犬姿态。

单目视频图像序列中的运动目标的三维姿态重建

本文提出了至少存在一个深度值已知点的约束条件下,基于单视频图像序列重建人体三维姿态的方法,利用已知间距的平面点阵来标定获得摄像机参数,在透视投影模型下,根据单视频图像序列中人体关节点的二维数据,重建其三维信息,并将人体运动序列按照运动突变点划分为若干子序列,有效消除了二义性的干扰,较为精确的实现了人体三维姿态的重建。给出了该方法的实验过程及计算结果,验证了该算法的可行性和精确度。

采用单目视觉系统的人体三维姿态恢复

提出了至少存在一个点深度值已知的约束条件下,基于单目视觉系统恢复人体三维姿态的方法。该算法简化了CCD相机的标定过程,实现了人体三维姿态的恢复。避免了多目视觉系统在实际应用中对空间和光照等的限制,以及在对应特征点匹配上的弱点。给出了上述方法的实验过程及计算结果,验证了在上述约束条件下基于单目视觉恢复人体三维姿态算法的可行性。

GOCE引力梯度内部校准方法

GOCE卫星引力梯度仪的精确校准是反演高精度重力场的前提之一,本文利用GOCE卫星L1b数据中的引力梯度仪及恒星敏感器数据实现了卫星引力梯度的内部校准。以最小二乘联合多个恒星敏感器观测数据确定内部校准使用的角速度,有效避免了单个恒星敏感器低精度角速度分量对坐标转换过程的影响。考虑到恒星敏感器坐标系与梯度仪坐标系间旋转矩阵随时间的变化,本文在ESA官方内部校准方法的基础上,提出了顾及旋转矩阵校准参数的内部校准模型,并利用2009年11月的GOCE实测数据验证了该方法的效果。结果表明,该旋转矩阵校准参数数值约100″,且在该月存在3″~30″的漂移;与GOCE官方内部校准方法对比,从卫星引力梯度精度结果来看,在低于0.005 Hz频段内,同时解算旋转矩阵的校准参数与梯度仪内3个加速度计对的校准参数的内部校准模型优于仅考虑加速度计对校准参数的模型;除此之外,本文讨论了以该模型为基础的GOCE梯度仪数据校准的可能方法,为GOCE及后续重力卫星的数据处理工作提供参考。