广义弹性运动跟踪与分析

计算机视觉中研究的非刚体运动分为三类：关节体运动、弹性运动和流体运动。对于弹性运动，现实世界中存在以下复杂情况：多种弹性运动同时存在并相互交替，其中每一种都满足一致性约束，但总体不存在统一的一致性。因此难以按基于统一的一致性假设的传统分析方法来处理这样的复杂弹性运动。此外，某些受限条件下的关节体运动也满足一致性约束，因此也可看成为多种弹性运动的交替过程。为适应以上复杂情况下的非刚体运动分析，本项目提出研究广义弹性运动跟踪与分析的系统框架。.本项目提出了基于分层转移的混合变换HMM模型的广义弹性运动跟踪和分析模型，为非刚体运动的研究提供了新思路。并且可以在不需要先验形状模型的情况下通过底层原始特征匹配实现广义弹性运动跟踪，提高了算法的鲁棒性和通用性。此外模型还能提供运动的时-空参数，可进一步用于运动分析。本研究的成果可用于人脸、人体等复杂变形体的运动分析，具有广泛的应用前景和潜在的经济价值。

非刚体运动分析是当前国内外的研究热点，其关键技术是对非刚体运动的有效跟踪和对运动结构的分析。这两项关键技术是进行高层动作识别的基础。由于缺乏鲁棒的非刚体运动跟踪方法，目前动作识别中不得不大量使用容易获取的局部特征（如时空兴趣点、光流、点轨迹等）。但是这些局部特征的表达能力毕竟有限，最终将会制约到高层识别的研究发展。广义弹性运动跟踪与分析的研究则从物体的整体运动规律与约束角度出发，寻求突破以上跟踪与分析的关键困难的途径。研究中我们提出了多层次的广义弹性运动跟踪与分析的框架，包括下层分段运动跟踪、中层运动分类、到顶层运动规律分析。这种分层运动分析框架的特点是全局弹性运动趋势分析与局部分段运动细节描述相结合，在全局弹性运动趋势的指导下再比较局部弹性运动描述的差异性，可以有效结合长时粗略运动信息和短时运动细节，提供丰富的运动描述特征。实现这个框架的基础是对运动结构的匹配（帧间匹配实现跟踪，运动段间匹配实现分类，类别间匹配实现顶层规律分析）。而为了达到不需要前景分割、抗背景干扰能力强的运动结构匹配方法，我们研究并提出了轨迹驱动的轮廓匹配算法，通过轨迹驱动可以很好的解决对前景分割的依赖性，而通过利用轮廓形状信息（有序约束和整体变形约束），可以抵抗轨迹信息中的噪声、数据缺失、杂乱性等问题带来的副作用，最终可得到很精细的轮廓匹配结果。此课题的成果将为后续高层识别应用的铺开创造良好的条件。