基于无人机控制和最优视图视选择的动作捕捉方法*

孙 冬

(河南工学院 计算机科学与技术学院，河南 新乡 453003)

0 引 言

3D人体姿态捕捉与识别[1]的发展越来越成熟，其在步态识别、视频监控、人机交互等领域有着重要应用，是当前热门研究课题。虽然3D人体动作姿态捕捉的性能得到显著改善，但准确度依然较低。如何提高3D动作姿态的性能，不仅要从算法角度提高，还需要从视点选择方面入手。

当前大部分无标记运动捕捉方法依赖于单目图像回归的深度网络[2]，在多视角设定下，运动捕捉的最优相机位置的问题尤为关键[3]。当前主要解决方案包括最大化图像分辨率，人体部位自遮挡[4]，三角测量误差最小化[5]。但这些方法的缺点是必须离线操作，且针对预先记录的动作。

针对静态人体动作姿态的视图规划，很多研究在最小化运动成本的前提下通过相机的移动来最大化信息增益，如文献[6]利用高斯过程回归解决输入输出均为多元变量的人体姿态估计问题，采用稀疏表示法降低计算复杂度。文献[7]将空间离散化为立体网格并计算先前体素。但这些方法的缺点是必须针对严格不变的场景。文献[8]在获得粗略场景模型的情况下，通过离线优化得到最优轨迹。但这些方法的缺点是必须针对严格不变的场景。

通过无人机(unmanned aerial vehicle，UAV)相机捕捉人类运动的研究中，一个重要的问题是UAV必须将目标人物保持在其视场内。为此，文献[9]实施了一个预定义的随机决策，相机与目标保持恒定距离，并利用预定义视角来最大化三角测量准确度。……