融合时空约束的光学动作捕捉标记点实时补全方法

摘要：

在基于标记点的光学动作捕捉系统中,针对粘贴在用户身上的标记点受遮挡等因素影响丢失跟踪位置后导致人体位姿计算失败的问题,提出一种基于深度学习的标记点序列预测补全方法.该方法中,深度学习网络模型以人体运动的时间反演对称性作为理论依据,使用双向长短期记忆网络作为网络主体架构;在模型训练过程中提出组合损失函数,分别对人体关键运动节点的活动范围、同一段骨骼上标记点之间的刚性结构,以及标记点运动轨迹的时间连续性进行限制,确保补全的标记点序列符合人体运动的时空约束.在HDM05 数据集上的实验结果表明,与现有方法相比,在丢失不同数量、不同时间跨度的标记点序列的条件下,所提方法补全标记点位置的平均误差下降超过14%.

关键词：标记点补全、光学动作捕捉、时空约束

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省重点领域研发计划;国家自然科学基金;高等学校学科创新引智计划;国防基础科研计划

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1197-1205