李紅波，冉光勇，吳 渝，丁林建

(重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院網(wǎng)絡(luò)智能研究所，重慶400065)

0 引言

虛擬人骨骼動(dòng)畫(huà)是角色動(dòng)畫(huà)領(lǐng)域的主要研究?jī)?nèi)容［1］，其制作技術(shù)除人工調(diào)整關(guān)鍵幀形成骨骼動(dòng)畫(huà)外，還有基于視覺(jué)與運(yùn)動(dòng)捕獲數(shù)據(jù)的方法。

基于視覺(jué)方法［2］的一般流程是:通過(guò)對(duì)包含人體運(yùn)動(dòng)序列的視覺(jué)素材進(jìn)行跟蹤分析，提取運(yùn)動(dòng)序列，接著對(duì)運(yùn)動(dòng)序列進(jìn)行條件約束等處理，以此得到骨骼動(dòng)畫(huà)。該方法成本低、運(yùn)動(dòng)類(lèi)型較豐富，但存在以下3方面不足:1)利用二維數(shù)據(jù)生成三維運(yùn)動(dòng)數(shù)據(jù)存在信息缺失的問(wèn)題［3］;2)人體運(yùn)動(dòng)序列的獲取過(guò)程易受關(guān)照強(qiáng)度影響，抗光照干擾能力弱［4］;3)提前準(zhǔn)備視覺(jué)素材的做法不能滿(mǎn)足交互式環(huán)境對(duì)實(shí)時(shí)性的要求。

基于運(yùn)動(dòng)捕獲數(shù)據(jù)的方法通常需要價(jià)格昂貴的運(yùn)動(dòng)捕捉設(shè)備，并且需要捕捉對(duì)象在關(guān)節(jié)點(diǎn)處佩戴光、電學(xué)設(shè)備，致使人體運(yùn)動(dòng)靈活性低，動(dòng)作獲取成本高［5］。Park等［6］提出了一種基于光學(xué)標(biāo)記點(diǎn)的方法，密集的標(biāo)記點(diǎn)集合提高了運(yùn)動(dòng)真實(shí)性，但降低了計(jì)算效率，無(wú)法滿(mǎn)足實(shí)時(shí)性需求。Casas等［7］通過(guò)使用4D運(yùn)動(dòng)圖，將不同部分捕獲數(shù)據(jù)進(jìn)行分塊匹配與連接，以此生成骨骼動(dòng)畫(huà)。該方法能夠滿(mǎn)足較多運(yùn)動(dòng)類(lèi)型需求，但是容易出現(xiàn)裂縫現(xiàn)象。Boboc等［8］提出了一種基于前向運(yùn)動(dòng)學(xué)的骨骼動(dòng)畫(huà)方法，該方法以Kinect提取到的捕捉對(duì)象骨骼數(shù)據(jù)為基礎(chǔ)，使用前向運(yùn)動(dòng)學(xué)求解角色模型關(guān)節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)，并對(duì)坐標(biāo)數(shù)據(jù)進(jìn)行平滑處理，使用處理后的數(shù)據(jù)調(diào)整模型，得到骨骼動(dòng)畫(huà)，此方法實(shí)時(shí)性強(qiáng)，但角色模型的運(yùn)動(dòng)與真實(shí)運(yùn)動(dòng)之間存在較大差別，同時(shí)，固定運(yùn)動(dòng)參數(shù)的做法降低了模型適用性。

針對(duì)上述問(wèn)題，本文提出了一種新的解決方法，通過(guò)在Kinect骨骼模型的每個(gè)關(guān)節(jié)點(diǎn)處建立虛擬坐標(biāo)系，對(duì)捕捉對(duì)象的單幀姿態(tài)進(jìn)行抽象空間位形描述，利用位形數(shù)據(jù)求解關(guān)節(jié)點(diǎn)骨骼旋轉(zhuǎn)矩陣，使用骨骼旋轉(zhuǎn)矩陣對(duì)角色模型進(jìn)行從端到根的關(guān)節(jié)方向與位置調(diào)節(jié)。實(shí)驗(yàn)結(jié)果表明，本文提出方法的實(shí)時(shí)性能與抗光照能力強(qiáng)，角色模型運(yùn)動(dòng)與真實(shí)運(yùn)動(dòng)相似度高。

1 相關(guān)技術(shù)基礎(chǔ)

1.1 KINECT虛擬人骨骼模型

Kinect人體骨骼簡(jiǎn)化模型，如圖1所示，包含了人體主要的20個(gè)關(guān)節(jié)節(jié)點(diǎn)，由19個(gè)骨骼段組成。按照人體構(gòu)造結(jié)構(gòu)，任意2個(gè)關(guān)節(jié)之間建立Kinect關(guān)節(jié)點(diǎn)父子關(guān)系，形成一個(gè)簡(jiǎn)化的最小人體骨骼模型。其中，臀部中心關(guān)節(jié)點(diǎn)是整個(gè)人體骨骼模型的根節(jié)點(diǎn)，它的三維坐標(biāo)數(shù)據(jù)完全決定了整個(gè)人體的移動(dòng)軌跡。臀部中心關(guān)節(jié)點(diǎn)有6個(gè)自由度，分別為3個(gè)平移自由度與3個(gè)旋轉(zhuǎn)自由度，其他節(jié)點(diǎn)僅僅包括3個(gè)旋轉(zhuǎn)自由度。

圖1 Kinect骨骼模型Fig.1 Kinect skeleton model

1.2 骨骼動(dòng)畫(huà)基本原理

為了對(duì)骨骼動(dòng)畫(huà)原理進(jìn)行描述，設(shè)p(j)代表關(guān)節(jié)點(diǎn)j的父節(jié)點(diǎn)，R(j)代表從父節(jié)點(diǎn)p(j)的局部坐標(biāo)系到子節(jié)點(diǎn)j的局部坐標(biāo)系的變化矩陣，則對(duì)于任意的骨骼關(guān)節(jié)點(diǎn)j，從根節(jié)點(diǎn)局部坐標(biāo)系轉(zhuǎn)化到j(luò)的局部坐標(biāo)系可以用矩陣F(j)表示［9］為

當(dāng)人體姿態(tài)發(fā)生變化時(shí)，我們用T(j)表示某一幀關(guān)節(jié)點(diǎn)j的骨骼旋轉(zhuǎn)矩陣，則j在這一幀的變化矩陣為

假設(shè)網(wǎng)格節(jié)點(diǎn)v附著于骨骼關(guān)節(jié)點(diǎn)j，v'為人體姿態(tài)發(fā)生變化后v在骨骼關(guān)節(jié)點(diǎn)j下的新位置，則新位置的計(jì)算公式為

在幀渲染時(shí)，通過(guò)(3)式便可求得皮膚頂點(diǎn)的新位置。

2 Kinect骨骼動(dòng)畫(huà)方法

2.1 問(wèn)題提出和總體思路

基于視覺(jué)生成骨骼動(dòng)畫(huà)的方法雖然與實(shí)際運(yùn)動(dòng)情況較符合，但缺乏實(shí)時(shí)性且需要較為嚴(yán)格的光照條件。基于運(yùn)動(dòng)捕獲數(shù)據(jù)的方法需要價(jià)格高昂的設(shè)備，且運(yùn)動(dòng)靈活性低。Boboc等提出的基于前向運(yùn)動(dòng)學(xué)的方法，雖然克服了此問(wèn)題且具備較強(qiáng)實(shí)時(shí)性，但角色模型骨骼運(yùn)動(dòng)與實(shí)際運(yùn)動(dòng)之間存在較大偏差。針對(duì)以上問(wèn)題，本文提出了一種新的骨骼動(dòng)畫(huà)方法。具體思路如下:首先利用Kinect設(shè)備捕獲的骨骼數(shù)據(jù)，建模描述人體任意時(shí)刻的運(yùn)動(dòng)姿態(tài)，然后根據(jù)人體前后幀運(yùn)動(dòng)之間的聯(lián)系，確定角色模型關(guān)節(jié)點(diǎn)骨骼旋轉(zhuǎn)矩陣，最后對(duì)捕獲對(duì)象空間位移變化進(jìn)行處理，實(shí)時(shí)調(diào)整模型空間位置形成骨骼動(dòng)畫(huà)。

按照上述描述，本文提出的骨骼動(dòng)畫(huà)方法可概括為以下4個(gè)階段:1)初始姿態(tài)假定:對(duì)角色模型初始姿態(tài)進(jìn)行固定;2)單幀姿態(tài)建模描述:利用Kinect SDK應(yīng)用程序接口，獲取骨骼狀態(tài)、提取骨骼關(guān)節(jié)點(diǎn)三維坐標(biāo)數(shù)據(jù)，利用骨骼數(shù)據(jù)對(duì)關(guān)節(jié)點(diǎn)位形進(jìn)行數(shù)學(xué)描述，將人體運(yùn)動(dòng)姿態(tài)變化問(wèn)題轉(zhuǎn)化為旋轉(zhuǎn)平移問(wèn)題;3)骨骼旋轉(zhuǎn)矩陣求解:以關(guān)節(jié)點(diǎn)單位方向基向量為基礎(chǔ)求解骨骼旋轉(zhuǎn)矩陣T(j)，利用骨骼旋轉(zhuǎn)矩陣對(duì)關(guān)節(jié)點(diǎn)方向進(jìn)行調(diào)節(jié);4)根節(jié)點(diǎn)位移:更新根節(jié)點(diǎn)位置，體現(xiàn)角色模型空間位移變化，得到最終結(jié)果。

2.2 初始姿態(tài)假定

由于不同美工制作的角色模型形態(tài)各不相同，因此，模型間必定存在骨骼長(zhǎng)短不一致，關(guān)節(jié)點(diǎn)旋轉(zhuǎn)角度不相等，各個(gè)關(guān)節(jié)點(diǎn)在父節(jié)點(diǎn)空間中相對(duì)位置不同等差異。這些差異將導(dǎo)致即使對(duì)不同角色模型應(yīng)用相同骨骼數(shù)據(jù)也無(wú)法生成一致的骨骼動(dòng)畫(huà)。因此，為了生成符合特定角色模型的骨骼動(dòng)畫(huà)，需統(tǒng)一角色模型初始姿態(tài)。本文中角色模型的初始姿態(tài)設(shè)定為直立。

2.3 單幀姿態(tài)建模描述

Kinect骨骼數(shù)據(jù)是非層次、非樹(shù)形的三維數(shù)據(jù)，由于各數(shù)據(jù)之間不存在任何的相關(guān)聯(lián)系，因此，無(wú)法直接利用Kinect骨骼數(shù)據(jù)來(lái)對(duì)角色模型運(yùn)動(dòng)姿態(tài)進(jìn)行調(diào)整。為了提取蘊(yùn)含于骨骼數(shù)據(jù)中運(yùn)動(dòng)者的旋轉(zhuǎn)平移信息，本文運(yùn)用剛體運(yùn)動(dòng)學(xué)中關(guān)于剛體方位的定義來(lái)對(duì)單幀圖形中人體運(yùn)動(dòng)姿態(tài)進(jìn)行描述。

為了規(guī)定空間中某個(gè)關(guān)節(jié)點(diǎn)的方位，建立一直角坐標(biāo)系{B}與關(guān)節(jié)點(diǎn)固接。用坐標(biāo)系{B}的3個(gè)單位主矢量［x y z］相對(duì)于參考坐標(biāo)系{S}的方向余弦組成的三維矩陣來(lái)對(duì)關(guān)節(jié)點(diǎn)方位進(jìn)行描述，記三維矩陣為OBS。

由迪納維特-哈坦伯格提出的D-H坐標(biāo)系描述法是目前常用的坐標(biāo)系建立方法，D-H坐標(biāo)系描述法規(guī)定:在各個(gè)主要部位上固定坐標(biāo)系，坐標(biāo)系的Z軸與關(guān)節(jié)點(diǎn)的軸線(xiàn)重合，而X軸則是沿著相鄰2個(gè)Z軸的公垂線(xiàn)，Y軸可由右手坐標(biāo)系來(lái)確定。本文在D-H描述法的基礎(chǔ)上，結(jié)合人體結(jié)構(gòu)特征，提出了一種新的關(guān)節(jié)點(diǎn)坐標(biāo)系建立方法，具體步驟如下。

1)選擇在垂直切面上與離待建立坐標(biāo)系關(guān)節(jié)點(diǎn)最近的關(guān)節(jié)點(diǎn)為向量末端，待建立坐標(biāo)系關(guān)節(jié)點(diǎn)為首端，建立Y軸，若垂直切面無(wú)最近關(guān)節(jié)點(diǎn)，則選正Y軸方向作為關(guān)節(jié)點(diǎn)Y軸方向;

2)在水平切面上選擇與待建立坐標(biāo)系關(guān)節(jié)點(diǎn)最近的關(guān)節(jié)點(diǎn)為向量末端，待建立坐標(biāo)系關(guān)節(jié)點(diǎn)為首端，建立向量AB，若無(wú)，則設(shè):AB=(100);

3)根據(jù)空間解析幾何相關(guān)知識(shí)可知，X軸垂直于Y軸和AB，那么X軸的方向可由(4)式求得。

(4)式中:X=m11m21m31);Y=(m12m22m32)。

4)因?yàn)閆軸垂直于以X和Y軸為方向的平面，故Z軸方向可按(5)式求得

方向?yàn)閺腦軸逆時(shí)針繞到Y(jié)軸。

按照上述步驟即可得到每個(gè)關(guān)節(jié)點(diǎn)的方位矩陣，設(shè)方位矩陣為OB，表示為

(6)式中，Z=(m13m23m33)。

設(shè)參考坐標(biāo)系{S}的3個(gè)單位向量分別為e1，e2，e3，坐標(biāo)系{B}的3個(gè)單位向量分別為x1，x2，x3，則{S}與{B}之間的方向余弦aij為

由于世界坐標(biāo)系為標(biāo)準(zhǔn)單位基向量，表示為

依據(jù)(7)式可知，任意關(guān)節(jié)點(diǎn)的方向矩陣即為坐標(biāo)系基向量

2.4 骨骼旋轉(zhuǎn)矩陣求解

考慮捕捉對(duì)象姿態(tài)發(fā)生變化后的情形，以左臂肘關(guān)節(jié)向上微微抬起，其他關(guān)節(jié)相對(duì)位置無(wú)變化為例，其他運(yùn)動(dòng)同理。

圖2 肘關(guān)節(jié)向上抬起Fig.2 Lifting up the left wrist

圖2中，實(shí)線(xiàn)為后一幀手部位置，虛線(xiàn)為前一幀手部位置。其中，坐標(biāo)系{B}描述了前一幀左手肘的方位，坐標(biāo)系{A}描述了后一幀左手肘的方位，{B}與{A}有共同的坐標(biāo)原點(diǎn)，但是方位不同，記{B}為 PB=(iBjBkB)，{A}為 PA=(iAjAkA)。其中 iB，jB，kB，iA，jA，kA分別為 {B}與{A}的單位主矢量。在關(guān)節(jié)對(duì)應(yīng)皮膚上取一點(diǎn)，假設(shè)為P，設(shè)P在兩坐標(biāo)系中的坐標(biāo)分量分別為(APxAPyAPz)與(BPxBPyBzP)，根據(jù)坐標(biāo)旋y轉(zhuǎn)原理可以得到

則關(guān)節(jié)點(diǎn)骨骼旋轉(zhuǎn)矩陣為

則可得關(guān)節(jié)點(diǎn)骨骼旋轉(zhuǎn)矩陣，結(jié)合(2)式可知最終關(guān)節(jié)點(diǎn)變化矩陣為

2.5 根節(jié)點(diǎn)調(diào)整

由于在運(yùn)動(dòng)數(shù)據(jù)處理階段忽略了角色模型根節(jié)點(diǎn)在世界坐標(biāo)系下的平移與縱向運(yùn)動(dòng)，因此，需要對(duì)根節(jié)點(diǎn)做額外的位移處理。由于Kinect坐標(biāo)系與游戲引擎坐標(biāo)系在基本度量單位長(zhǎng)度的定義上存在不同，導(dǎo)致直接應(yīng)用捕捉對(duì)象根節(jié)點(diǎn)數(shù)據(jù)到游戲引擎中會(huì)產(chǎn)生失真現(xiàn)象，故需對(duì)根節(jié)點(diǎn)數(shù)據(jù)進(jìn)行處理。設(shè)Kinect與游戲引擎基本度量單位長(zhǎng)度差距為n，若在Kinect世界坐標(biāo)系中，運(yùn)動(dòng)捕捉對(duì)象根節(jié)點(diǎn)在前后幀之間的位移為 Moffset=(mx，my，mz)，則在游戲引擎中角色模型根節(jié)點(diǎn)的位移為

2.6 方法描述

假設(shè)角色模型關(guān)節(jié)點(diǎn)總數(shù)為n。根據(jù)前文描述，本文方法可歸納為以下步驟。

1)檢測(cè)Kinect骨骼狀態(tài)，若檢測(cè)到骨骼則進(jìn)入2)，否則繼續(xù)檢測(cè);

2)置i為0，如果i＜n，則進(jìn)入3)，否則轉(zhuǎn)到6);

3)依據(jù)改進(jìn)的D-H坐標(biāo)系描述法求解OB，依據(jù)(9)式得到OBS;

4)使用前后幀方位矩陣，利用(11)式求解關(guān)節(jié)點(diǎn)骨骼旋轉(zhuǎn)矩陣;

5)i=i+1，返回2);

6)利用骨骼旋轉(zhuǎn)矩陣調(diào)節(jié)關(guān)節(jié)點(diǎn);

7)利用(13)式調(diào)整根節(jié)點(diǎn);

8)結(jié)束，重新進(jìn)入1)。

從上述描述可知，求解各個(gè)關(guān)節(jié)點(diǎn)的骨骼關(guān)節(jié)矩陣是本文方法的基本操作。根據(jù)系統(tǒng)運(yùn)行步驟可知，本文方法在一次完整的執(zhí)行過(guò)程中的基本操作執(zhí)行次數(shù)為O(n)。

3 實(shí)驗(yàn)驗(yàn)證

鑒于公開(kāi)的視頻數(shù)據(jù)庫(kù)數(shù)據(jù)量較大，且一般進(jìn)行了數(shù)據(jù)壓縮存儲(chǔ)，存在信息缺失的問(wèn)題，這會(huì)對(duì)本文的后續(xù)特征點(diǎn)提取產(chǎn)生干擾。因此，本文實(shí)驗(yàn)部分以Kinect設(shè)備檢測(cè)到的捕獲對(duì)象骨骼數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)來(lái)源。為了說(shuō)明本文方法的有效性，確保對(duì)比實(shí)驗(yàn)的公平性，共設(shè)計(jì)了3組試驗(yàn)方案，分別為光照對(duì)比試驗(yàn)、運(yùn)動(dòng)實(shí)時(shí)性試驗(yàn)和模型運(yùn)動(dòng)精度對(duì)比試驗(yàn)。

Boboc等提出的基于前向運(yùn)動(dòng)學(xué)的方法與本文方法都基于Kinect平臺(tái)且該方法具有較強(qiáng)實(shí)時(shí)性，同屬于國(guó)外較新研究成果，故選擇該方法作為模型運(yùn)動(dòng)精度試驗(yàn)對(duì)比對(duì)象。光照對(duì)比實(shí)驗(yàn)主要是在弱光照條件下進(jìn)行特征點(diǎn)提取對(duì)比，基于視覺(jué)的方法特征點(diǎn)提取采用的是目前主流的surf算法。

本文硬件實(shí)驗(yàn)環(huán)境為:Intel Core i3 3.30 GHz CPU，內(nèi)存4 GByte，操作系統(tǒng)為 Windows 7，開(kāi)發(fā)環(huán)境為Visual Studio 2010，OGRE和Kinect SDK。

3.1 強(qiáng)弱光照條件下運(yùn)動(dòng)對(duì)比實(shí)驗(yàn)

圖3、圖4分別展示了本文方法在正常光照條件下(320 lux)及弱光照條件下(10 lux)的模型運(yùn)動(dòng)情況。圖5給出了二者的關(guān)節(jié)點(diǎn)識(shí)別效果。

浙江大學(xué)莊越挺指出:基于視覺(jué)的方法在人體運(yùn)動(dòng)捕獲中，常用的特征點(diǎn)跟蹤提取算法對(duì)光照條件非常敏感。從圖5可以看出，魯棒性較強(qiáng)的特征點(diǎn)跟蹤提取算法surf在光照強(qiáng)度為10 lux時(shí)失效，而本文方法在10 lux時(shí)仍能準(zhǔn)確獲取人體各關(guān)節(jié)點(diǎn)的三維坐標(biāo)，求解骨骼旋轉(zhuǎn)矩陣，實(shí)現(xiàn)骨骼動(dòng)畫(huà)。從圖5還可知，本文方法相對(duì)于基于視覺(jué)的方法，對(duì)捕捉對(duì)象所穿衣物與背景之間的顏色差別要求更低，色差敏感度較弱，能更佳地應(yīng)對(duì)復(fù)雜工作環(huán)境。

3.2 實(shí)時(shí)性實(shí)驗(yàn)

實(shí)時(shí)性的實(shí)驗(yàn)結(jié)果如圖3所示，每一幅圖中右下角方框用于顯示人體運(yùn)動(dòng)情況，左上方為角色模型實(shí)時(shí)運(yùn)動(dòng)情況。本文方法從提取骨骼數(shù)據(jù)到角色模型做出相應(yīng)動(dòng)作只需0.007 s，遠(yuǎn)小于Kinect提供的數(shù)據(jù)時(shí)間間隔0.033 s和人類(lèi)視覺(jué)停留時(shí)間0.042 s。因此，本文方法能夠?qū)崟r(shí)處理Kinect提取到的骨骼數(shù)據(jù)，克服視覺(jué)類(lèi)方法缺乏實(shí)時(shí)性的問(wèn)題，且生成的骨骼動(dòng)畫(huà)平滑性高，連續(xù)性強(qiáng)。

3.3 模型運(yùn)動(dòng)精度對(duì)比實(shí)驗(yàn)

Boboc等以前向運(yùn)動(dòng)學(xué)為基礎(chǔ)，通過(guò)前向運(yùn)動(dòng)學(xué)求解關(guān)節(jié)點(diǎn)坐標(biāo)數(shù)據(jù)，并對(duì)坐標(biāo)數(shù)據(jù)進(jìn)行平滑處理，然后使用處理后的數(shù)據(jù)調(diào)整模型，從而產(chǎn)生連貫且平滑的角色運(yùn)動(dòng)。圖6展示了2種方法在復(fù)雜運(yùn)動(dòng)與簡(jiǎn)單運(yùn)動(dòng)2種模式下的角色運(yùn)動(dòng)效果。其中，簡(jiǎn)單運(yùn)動(dòng)包括雙手向上伸直，頭部低垂2種;復(fù)雜運(yùn)動(dòng)包括雙手叉腰、腿后踢加腰前傾，以及左右手并攏加腰后傾、腿部斜踢2種。通過(guò)比較可以發(fā)現(xiàn)，本文方法中角色模型與捕捉對(duì)象的運(yùn)動(dòng)更加接近，運(yùn)動(dòng)精度更高。

本文以關(guān)節(jié)點(diǎn)實(shí)際位置與計(jì)算位置之間的歐拉距離來(lái)衡量姿態(tài)誤差，相應(yīng)的計(jì)算公式為

(15)式中:avg_error表示平均誤差;n代表關(guān)節(jié)點(diǎn)總數(shù);ts表示關(guān)節(jié)點(diǎn)真實(shí)位置;cs表示計(jì)算出的位置;md表示最大歐拉距離。利用(14)-(15)式對(duì)每幀結(jié)果計(jì)算關(guān)節(jié)點(diǎn)平均誤差，而后對(duì)所有幀平均誤差取均值，通過(guò)實(shí)驗(yàn)測(cè)試可知，本文方法的模型運(yùn)動(dòng)誤差為4.2%，而B(niǎo)oboc等提出的方法為7.4%。因此，本文方法得到的骨骼動(dòng)畫(huà)和實(shí)際情況更加相符合。

圖3 正常光照條件下實(shí)驗(yàn)及實(shí)時(shí)性效果Fig.3 Experimental results under normal light conditions and the real-time effects

圖4 弱光照條件下實(shí)驗(yàn)Fig.4 Experimental results under weak light conditions

圖5 關(guān)節(jié)點(diǎn)識(shí)別Fig.5 Joints identification

4 結(jié)束語(yǔ)

本文利用Kinect設(shè)備獲取的骨骼數(shù)據(jù)，提出了一種新的骨骼動(dòng)畫(huà)方法。實(shí)驗(yàn)表明，此方法相比現(xiàn)有解決方法有更強(qiáng)的實(shí)時(shí)性，更好的抗光照干擾能力和更佳的運(yùn)動(dòng)精度。目前Kinect設(shè)備提供的骨骼數(shù)據(jù)容易出現(xiàn)劇烈抖動(dòng)現(xiàn)象，下一步將重點(diǎn)研究如何對(duì)Kinect設(shè)備捕獲的數(shù)據(jù)進(jìn)行濾波處理，降低數(shù)據(jù)抖動(dòng)帶來(lái)的誤差。

圖6 模型運(yùn)動(dòng)精度對(duì)比Fig.6 Comparison of model motion accuracy

［1］ISMAIL I，SUNAR M S，BASORI A H.Dynamic Motion Control Editor for Virtual Human［J］.International Journal of Interactive Digital Media，2013，1(1):14-17.

［2］ISMAIL I，KOLIVAND H，SUNAR M S，et al.An Overview on Dynamic 3D Character Motion Techniques in Virtual Environments［J］.Life Science Journal，2013，10(3):846-890.

［3］尚華強(qiáng).基于Kinect的虛擬人物動(dòng)作仿真研究［D］.杭州電子科技大學(xué)，2013.SHANG Huaqiang.Simulation study of virtual movement based on Kinect［D］.Hangzhou:Hangzhou Dianzi University，2013.

［4］羅忠祥，莊越挺，潘云鶴，等.視頻中不完全運(yùn)動(dòng)特征的跟蹤算法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15(6):730-735.LUO Zhongxiang，ZHUANG Tingyue，PAN Yunhe，et al.Incomplete motion feature tracking algorithm in video sequences［J］.Journal of Computer-aided Design ＆ Computer Graphics，2003，15(6):730-735.

［5］TONG X，XU P，YAN X.Research on skeleton animation motion data based on Kinect［C］//IEEE.Computational Intelligence and Design(ISCID)，2012 Fifth International Symposium.New York:IEEE Press，2012，2:347-350.

［6］PARK S I，HODGINS J K.Data-driven modeling of skin and muscle deformation［J］.ACM Transactions on Graphics(TOG)，2008，27(3):96.

［7］CASAS D，TEJERA M，GUILLEMAUT J Y，et al.4D parametric motion graphs for interactive animation［C］//ACM.Proceedings of the ACM SIGGRAPH Symposium on Interactive 3D Graphics and Games.New York，USA:ACM，2012:103-110.

［8］BOBOC R G，TOMA M I，PANFIR A N，et al.Learning new skills by a humanoid robot through imitation［C］//IEEE.Computational Intelligence and Informatics(CINTI)，2013 IEEE 14th International Symposium.New York:IEEE Press，2013:515-519.

［9］況鷹.基于Kinect運(yùn)動(dòng)捕獲的三維虛擬試衣［D］.廣東:華南理工大學(xué)，2012.KUANG Ying.3D virtual try-on based on Kinect motion capture［D］.Guangdong:South China University of Technology，2012.