Восстановление пространственных циркулярных моделей по силуэтным изображениям

• Автор: Цискаридзе, Арчил Константинович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Москва
• Количество страниц: 110 с. : ил.

Содержание
Введение.

1 Пространственные циркулярные модели и проблема их

восстановления

1.1 Постановка задачи.

1.1.1 Проволочные модели.

1.1.2 Шарнирные модели.

1. 1.3 Математическая модель камеры.

1.1.4 Математическая постановка задачи реконструкции проволочных

и шарнирных моделей.

1.1.5 Экспериментальная база.

1.1.6 Оценка результата при реконструкции
1.2 Анализ существующих подходов.
1.2.1 Визуальный объем.
1.2.2 Восстановление проволочных моделей.
1.2.3 Подгонка шарнирных моделей
1.2.4 Реконструкция на основе обучения.
1.3 Выводы по главе 1
2 Метод скелетного восстановления проволочных пространственных
моделей.
2.1 Непрерывное граничноскелетное представление изображения
2.1.1 Граница и скелет изображения.
2.1.2 Построение базового скелета
2.2 Сегментация силуэта человека на основе анализа скелета.
2.2.1 Выделение конечностей
2.2.2 Нахождение внутренних вершин.
2.3 Элиполярная геометрия
2.3.1 Основные понятия.
2.3.2 Калибровка камер.
2.3.3 Определение координат с помощью двух камер.
2.4 Восстановление позы на основе проволочной модели.
2.4.1 Структура метода.
2.4.2 Идентификация реперных точек на скелетах.
2.4.3 Решение вариационной задачи методом динамического
программирования.
2.4.4 Вычисление радиусов сфер.
2.4.5 Вычислительные эксперименты
2.5 Выводы по главе 2
3 Метод восстановления шарнирных пространственных моделей
3.1 Предлагаемый подход к решению задачи.
3.2 Построение начального приближения
3.2.1 Получение граничной функции ширины.
3.2.2 Выравнивание граничной функции ширины двух силуэтов
3.2.3 Построение разметки узловых точек
3.2.4 Построение узловых точек в пространстве
3.3 Подгонка шарнирной модели под стереопару наблюдаемых
силуэтов
3.3.1 Определение функции различия ,б,,Б2
3.3.2 Минимизация функции различия.
3.4 Диаграмма работы системы.
3.5 Выводы по главе 3
4 Метод классификации формы силуэтов с окклюзиями
4.1 Синтетическая База Эталонов
4.2 Кластеризация Базы Эталонов
4.3 Признаковое описание скелетных графов
4.4 Расстояние между графами.
4.5 Классификация тестовых силуэтов
4.6 Выводы по главе 4
Заключение
Список литературы


Под жирной кривой понимается пространственное тело, образованное семейством шаров, центры которых расположены на некоторой осевой пространственной линии. Циркулярной моделью или просто циркуляром, называется объединение нескольких пространственных жирных кривых, у которых осевые линии образуют связное множество. Существует определённый класс объектов, чьи структурные особенности позволяют рассматривать их как циркулярные модели. Имеется в виду точность, необходимая для решения задач распознавания жестов и поз. Таким образом, в рамках предлагаемого подхода задача восстановления пространственной структуры сложного объекта ставится как восстановление пространственной циркулярной модели по стереопаре её проекций. Вторая идея, лежащая в основе предлагаемого решения, состоит в построении и использовании непрерывных скелетов стереопары силуэтных изображений. Скелет представляет собой совокупность серединных осей силуэта, определяемых как геометрическое место точек - центров вписанных в силуэт окружностей. Использование скелетов открывает несколько возможных путей для восстановления пространственной циркулярной модели по её проекциям. Мы рассматриваем два пути. Первый путь состоит в прямом построении пространственной циркулярной модели пространственного объекта по скелетам проекций. Этот метод предполагает, что проекции отдельных элементов пространственного объекта не перекрываются между собой, т. Силуэтное изображение объекта называется изображением без окклюзии, если в каждую его точку проектируется не более двух точек поверхности объекта. Метод основывается на идее конструирования стереопар «невидимых» общих точек обоих изображений. Серединные оси силуэтов предлагается рассматривать, как плоские проекции пространственных осевых линий жирных кривых, составляющих объект. Данное допущение вполне справедливо в случае отсутствия окклюзий в силуэтах. Такой подход позволяет свести задачу восстановления осевых линий пространственных жирных кривых к вычислению пространственных кривых по стереопарам их проекций. Этот подход в работе условно назван восстановлением проволочной модели. Второй путь состоит в восстановлении формы сложного пространственного объекта в виде циркулярной модели заранее заданной структуры. В частности, для восстановления позы человека используется кусочно-линейная «шарнирная» модель. Шарнирная модель . Каждый элемент этой конструкции представляет собой пространственную жирную кривую постоянной ширины, у которой осевой линией является прямолинейный отрезок. Форма пространственного объекта ищется путём подбора некоторого преобразования шарнирной модели, при котором её проекции на плоскости изображений будут в наибольшей степени совпадать со стереопарой силуэтов. Процесс итерационного преобразования шарнирной модели называется подгонкой. В диссертации процесс подгонки строится на основе использования скелетов силуэтных изображений. Использование шарнирных моделей позволяет решить задачу восстановления формы пространственного объекта даже при наличии существенных окклюзий. В случае окклюзий предлагается решить задачу предварительной классификации формы силуэтов с целью получения начального приближения для итерационной подгонки модели. Метод описания формы сложного пространствеиного объекта в виде циркулярной модели. Метод восстановления проволочной циркулярной модели без окклюзий по стереопаре силуэтных изображений. Метод восстановления шарнирной пространственной модели без окклюзий на основе итерационной подгонки. Метод построения начального приближения шарнирной пространственной модели с окклюзиями для итерационной подгонки, основанный на топологической классификации силуэтных проекций объекта по форме скелета. Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений. Разработка методов распознавания образов, фильтрации, распознавания и синтеза изображений, решающих правил. Моделирование формирования эмпирического знания.