Resumen

Proponemos un enfoque sobre captura de movimiento multivista sin marcadores basado en un modelo humano 3D morfable. Este modelo morfable fue aprendido de una base de datos de escaneos corporales 3D registrados en diferentes formas y poses. Implementamos la variación de pose de la forma del cuerpo mediante el esqueleto subyacente definido. En el paso de inicialización, adaptamos el modelo morfable 3D a las imágenes multivista cambiando sus parámetros de forma y pose. A continuación, para el paso de seguimiento, implementamos un método que combina el algoritmo local y global para realizar la estimación de la pose y el seguimiento de la superficie. Y añadimos la información previa de la pose humana como restricción suave a la energía de una partícula. Cuando se produce un error tras el algoritmo local, podemos corregir el error utilizando menos partículas e iteraciones. Demostramos las mejoras con el resultado de la estimación de una secuencia de imágenes multivista.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:escaneos corporales 3d, modelo morfable 3d, captura de movimiento sin marcadores, ver secuencia de imágenes, error, morfable 3d, forma del cuerpo, diferentes formas, algoritmo global, modelo humano
• Keywords:3d body scans, 3d morphable model, markerless motion capture, view image sequence, error, 3d morphable, body shape, different shapes, global algorithm, human model