3D人体模型研究

人类和电脑的交流从打孔机到屏幕，从文字到图形，从鼠标到触摸板，计算机用更符合直觉和人性的方法让人机交互方式更加快捷方便。那么以后的人机交互会怎样？从另一方面，随着图形学和硬件计算能力的发展，计算机能够实时获取和记录人体动作。计算机将人体动作参数转化为计算机中的物理模型，并且将其在虚拟环境中再现，同时3D人体模型动作目前成为最热门的研究课题之一。现在人体运动主要通过各种传感器进行捕获和测量，并通过传感器将相关的人体信息记录为虚拟动作。这种方法更加精确，但是由于其成木较高，计算量较大且需要特定的实验场合，因此无法广泛应用。目前基于的第六感交互技术和3D图形处理技术正在迅速发展之中，该文讨论如何通过这些技术完成基于计算机视觉的人体运动3D模型动作记录器，尝试将人机交互推向更深的层次。 2系统分析

本文主要围绕运动目标检测、运动目标跟踪和3D建模二个方面展开研究。运动目标检测方面使用背景差分算法对目标进行分析并提取差分元素;运动目标跟踪方面则研究了常用的跟踪算法，实现对运动目标的连续跟踪以及识别从而保证动作记录器的连贯性;3D建模部分则使用3Dmax进行建立模型以及骨骼动画的制作处理，并使用导出模型;而模型的骨骼动画则由OGRE导人测试环境并根据之前的处理结果进行相应的控制，从而实现。 3获取背景

摄像机首先获取静态场景，从而作为运动目标检测判断的依据，因此需要对背景不断进行更新。常用的背景更新方法有包括多帧平均法，选择更新法，随机更新法等。多帧平均法简单而且准确，但是计算量大，并且在运动物体多且运动速度缓慢的情况下也不能达到满意的效果;选择更新法对于光线的变化有较强的适应性，但是环境光线变化强烈时容易检测错误，并且受人为因素较大。

木课题采用将多帧图像分别和背景图像做差，并用帧间差来判断光线的变化。该方法通过多帧的联合判断，能够较准确判断监视场景中是否有运动的物体或者是否应该进行背景更新。该方法融人了背景差分法对于物体的准确分割，又运用了帧差法较强的适应性。 为了不受背景的影响，人物捕捉采用了人物进人捕捉方法。首先实现对人物进人的实时判断监测，在没人的时候进行背景更新，而当有人进人领域时则实现了动作实时监测功能。为了缓冲图像采集速度并配合3D模型输出，每帧间间隔20mS保证系统运行流畅。而运动目标检车跟踪部分和3D模块部分则通过全局的条件变量实现同步和互斥的操作。 4运动目标检测

运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。一般后处理过程仅仅考虑图像中对应于运动目标的像素区域，因此运动目标检测与分割对于后期处理起决定性作用。运动目标检测方法有很多，包括帧差法、光流法、背景差分法等，该文选择背景差分法对静态背景下的目标进行分析。

背景差分法要求目标像素和背景像素的灰度值必须存在一定的差别(可以表现出阈值），同时要求摄像机必须是静止的。该方法通过将目标与背景图像进行比较从而分割出来T是根据背景噪声等因素选择的合适阈值，用于将目标引起的变化和背景噪声引起的变化区分开，并将背景噪声影响消除。 通过上述原理可知，首先获取背景图像，将背景图像和当前图像转化为灰度图像并进行高斯滤波以平滑图像;之后将当前图像和背景图像相减，差值图像二值化，再进行形态学滤波，消除噪声;最后将二值图像扫描并査看是否有非零值像素点，从而获取目标像素。在此差分图像中，若像素的值大于一个特定的阈值，则认为视频图像中在相同位置的像素属于运动目标区域，若像素的值小于特定的阈值，则认为视频图像中在相同位置的像素属于背景区域。 在木课题中，当人物进人静态场景时，程序处理捕捉到的图像，检测出人物部分的像素差大

于设定的阈值从而检测出目标人体。由于算法只用亮度值做为检测依据，因此当运动目标的亮度与背景亮度相似时，就难以检测出目标。 5运动目标跟踪

运动目标检测之后，计算机则需要跟踪提取出来的检测目标。在每次搜寻前将搜寻窗口的初始值设置为移动目标当前的位置和大小。