公开(公告)号：CN101794457B

公开(公告)日：2012-07-25

申请号：CN201010127856.7

申请日：2010-03-19

Applicant: 浙江大学

Inventor： 庄越挺 ,  陈成 ,  肖俊 ,  冯银付

IPC: G06T15/00

Abstract: 本发明公开了一种基于样例的区分式三维运动恢复的方法。本方法利用对人体轮廓提取特征表达，在包含有已知三维姿态的人体轮廓特征的样例数据库中，查找最接近的轮廓特征，将其对应的多个候选三维姿态返回，经过姿态序列优化处理，返回每帧的最终姿态，将最终姿态相连接，就恢复出人体三维运动。在实施本方法的过程中，使用占位图轮廓特征来描述轮廓。对每个轮廓，从数据库中返回k个检索结果，作为候选姿态。使用动态规划和反向回溯算法，来寻找一条最佳的三维姿态路径。将当前时刻的最佳姿态与Δt时间内所显示过的最佳姿态进行加权平均，得到最终的三维姿态。方法稳定快速，易于实现，能够实时恢复得到人体三维运动，结果准确自然，获得很好的效果。

公开(公告)号：CN101794457A

公开(公告)日：2010-08-04

申请号：CN201010127856.7

申请日：2010-03-19

Applicant: 浙江大学

Inventor： 庄越挺 ,  陈成 ,  肖俊 ,  冯银付

IPC: G06T15/00

Abstract: 本发明公开了一种基于样例的区分式三维运动恢复的方法。本方法利用对人体轮廓提取特征表达，在包含有已知三维姿态的人体轮廓特征的样例数据库中，查找最接近的轮廓特征，将其对应的多个候选三维姿态返回，经过姿态序列优化处理，返回每帧的最终姿态，将最终姿态相连接，就恢复出人体三维运动。在实施本方法的过程中，使用占位图轮廓特征来描述轮廓。对每个轮廓，从数据库中返回k个检索结果，作为候选姿态。使用动态规划和反向回溯算法，来寻找一条最佳的三维姿态路径。将当前时刻的最佳姿态与Δt时间内所显示过的最佳姿态进行加权平均，得到最终的三维姿态。方法稳定快速，易于实现，能够实时恢复得到人体三维运动，结果准确自然，获得很好的效果。

公开(公告)号：CN100541540C

公开(公告)日：2009-09-16

申请号：CN200610053405.7

申请日：2006-09-14

Applicant: 浙江大学

Inventor： 庄越挺 ,  肖俊 ,  陈成 ,  吴飞

IPC: G06T15/70

Abstract: 本发明公开了一种基于侧影和末端节点的视频人体三维运动恢复方法。它采用基于模型的方式，系统内部包含一个3维人体关节骨架模型，方法寻找能够和视频达到最佳符合的关节模型姿态序列。首先从视频中提取各帧的侧影；之后，在侧影上进行末端节点检测；之后，对每帧通过模拟退火算法寻找能够解释该帧侧影和末端节点位置的最佳姿态；最后，将每帧的姿态相连，经过后期处理后形成连贯的3维运动序列。本方法通过设计出一个快速的目标函数，减小了最优化算法的计算量；通过动态双手皮肤颜色建模，使得双手的检测更加精确；通过对视频的分段恢复和算法的自动重启动，解决了误差累积和传递问题，使得恢复过程更加鲁棒。

公开(公告)号：CN101515373A

公开(公告)日：2009-08-26

申请号：CN200910096975.8

申请日：2009-03-26

Applicant: 浙江大学

Inventor： 庄越挺 ,  梁璋 ,  肖俊 ,  陈成

IPC: G06T15/70 ,  G06T17/00

Abstract: 本发明公开了一种竞技性交互式动画生成方法。本方法利用了一种分层的框架来对交互式运动流程进行建模，即：状态层面和动作层面。在状态层面，通过构造有限状态机(Finite State Machine)来模拟交互式运动中状态之间的转换。在动作层面，通过混合式的方法来生成在对应状态下，最符合当前角色之间对峙形势的动作选择。为了解决单个角色运动捕获数据无法体现角色间交互行为的问题，本方法使用一种基于机器学习和经验性规则的混合方法来捕获和模拟角色间的交互行为，获得了很好的效果，生成的动画具有视觉上的自然性和真实性。

公开(公告)号：CN100583126C

公开(公告)日：2010-01-20

申请号：CN200810059124.1

申请日：2008-01-14

Applicant: 浙江大学

Inventor： 庄越挺 ,  肖俊 ,  陈成 ,  吴飞

IPC: G06K9/00 ,  G06K9/32 ,  G06T5/00 ,  G06T7/00

CPC classification number: G06K9/38

Abstract: 本发明公开了一种基于快速图像配准的视角变化条件下视频前景分割的方法。本方法利用一组不同视角下的训练背景图像进行Isomap流形学习获得背景模型。然后，对由于相机运动等原因而引起视角变化的视频，可以实时地进行前景分割，即：将其中每帧的前景和背景进行分割。前景分割过程首先通过视频帧和最接近的训练背景图像间的光流构造一幅和视频帧的视角完全相同的背景图像，然后通过背景减除来获得前景区域。为了解决光流计算的低效率问题，本方法使用一种基于流形的光流插值来避免在线阶段的光流计算，在背景建模阶段预先计算视角相似的背景图像之间的光流，在前景分割阶段，利用新视频帧在背景流形上的位置快速插值获得光流。获得了很高的效率。

公开(公告)号：CN101071512A

公开(公告)日：2007-11-14

申请号：CN200610053406.1

申请日：2006-09-14

Applicant: 浙江大学

Inventor： 庄越挺 ,  陈成 ,  肖俊 ,  吴飞

IPC: G06T15/70

Abstract: 本发明公开了一种基于子空间技术的风格化人体运动生成与编辑方法。本方法基于子空间技术。主成分分析方法被用来建立一个联系高维运动数据空间和低维风格化子空间的映射。低维子空间保持了运动所具有的内在风格，同时由于极大的减少了维数，降低了计算成本，同时方便了风格程度的量化。在低维子空间中可以进行实时的计算，并将生成或编辑的结果通过映射重建于高维运动数据空间中。通过外插，可以生成或编辑出比训练样本的风格更加夸张的运动。由于人体运动风格的多样性，本方法还提出了一个新颖的处理多重运动风格的方案，该方案有效地解决了多重风格的分量之间不正交所带来的问题。