基于三维点云数据的虚拟人台中间体模型的构建

利用[TC]2三维人体扫描仪采集了华东地区72名40～49岁B体型女性的三维人体数据,对[TC]2扫描获得的三维人体*.wrl数据文件进行预处理,并建立三维直角坐标系.采用模糊逻辑算法中三角形线形隶属度函数进行噪点的过滤,将人体数据进行标准化处理,建立人体躯干部位特征矩阵.通过计算特征矩阵的均值获得人台中间体特征矩阵,经过对称化处理获得最终的人台中间体特征矩阵.采用Delaunay三角刨分算法将人台中间体特征点进行三角刨分,通过计算点或面的法线向量来光滑曲面获得最终的三维虚拟人台中间体模型.此方法可用于不同规格系列人台三维模型的制作.

基于三维点云数据的人体躯干特征点的识别方法

人体特征点的识别是三维人体建模的基础,在简介人体特征点和特征部位相关基本知识的基础上,介绍采用极值法、曲率辨别法和建模法进行特征部位识别的思路和过程,根据每种方法的特点,确定人体不同特征部位识别更适宜的方法.

基于双向循环神经网络的跌倒行为识别

针对基于三维人体特征点识别跌倒行为需要专用相机设备的问题,提出一种基于二维人体特征点的跌倒行为识别方法。不需专用的相机设备支持,使用开源的计算机视觉库从RGB视频帧提取二维特征点,双向循环神经网络对特征序列进行识别,使用门控循环单元作为循环神经网络的循环单元,变分丢弃法作为网络的正则化项。实验结果表明,与新的跌倒专用数据集CMDFALL的基准算法相比,该方法在节省成本的同时提高了精度。

基于散乱点云的三维人体自动测量

为解决Kinect深度相机三维人体扫描重建中人体特征尺寸提取的问题,提出一种基于散乱点云的三维人体自动测量方案。首先,对采集三维点云数据进行预处理,经点云降采样、离群点滤波和表面重建,以及点云坐标转换,进而识别出人体正背面;然后,利用人体几何形状分析法,自动提取人体特征点和特征截面点云;最后,对得到的特征截面点云提取特征边界点,再通过基于凸壳的轮廓线提取算法得到特征边界线,通过三次B样条曲线拟合计算围度、弧长尺寸,利用坐标差值和欧氏距离计算长度尺寸,从而完成对三维人体点云模型的特征尺寸测量。结果表明,该方案受人体体型因素影响较小,所提出的尺寸信息的自动提取方案有效,并符合相关标准中测量精度的要求。