Computational Studies of Human Motion. Part 1, Tracking and Motion Synthesis

دسته بندی: سازمان و پردازش داده ها
ویرایش:  
نویسندگان: Forsyth D.A.,  Arikan O.,  Ikemoto L.,  O’Brien J.,  Ramanan D.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 189 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت 

قیمت کتاب (تومان) : 42,000

NOWPress، 2006. — 189 p. Из серии مبانی و روندها در گرافیک کامپیوتری و Visionю
ما روش‌های ردیابی سینماتیک بدن انسان را در ویدئو مرور می‌کنیم. . این بررسی بخشی از یک کتاب پیش‌بینی‌شده است که قصد دارد ایده‌هایی را در مورد نمایش حرکت بین جوامع انیمیشن و بینایی رایانه بارور کند. بررسی خود را به مراحل اولیه حرکت، با تمرکز بر ردیابی و سنتز حرکت محدود می کند. مطالب آینده نمایش فعالیت و تولید حرکت را پوشش خواهند داد.
به طور کلی، ما این موضع را داریم که ردیابی لزوماً شامل مشکلات استنتاج چندوجهی پیچیده نیست (همانطور که معمولاً تصور می شود). درعوض، دو مشکل کلیدی وجود دارد که بیان هر دو آسان است.
اولین مشکل بلند کردن است، جایی که باید پیکربندی بدنه را در سه بعدی از داده های تصویر استنتاج کرد. ابهامات در بلند کردن می تواند منجر به مشکل استنباط چندوجهی شود، و ما آنچه کمی در مورد میزان مبهم بودن یک بالابر شناخته شده است را بررسی می کنیم. دوم، ارتباط داده است، که در آن فرد باید تعیین کند که کدام پیکسل در یک تصویر از بدنه است. ما رویکرد ردیابی با تشخیص را به عنوان مؤثرترین روش می‌بینیم و روش‌های مختلف تشخیص انسان را بررسی می‌کنیم.
بلند کردن و انواع مشکلات دیگر را می‌توان با مشاهده ساختار زمانی در حرکت ساده‌سازی کرد و ما ادبیات مربوط به داده‌ها را مرور می‌کنیم. انیمیشن انسان را برای افشای آنچه در مورد این ساختار شناخته شده است، هدایت می کند. مدل‌های مولد دقیق حرکت انسان هم در انیمیشن و هم در ردیابی بسیار مفید خواهد بود، و ما در مورد مشکلات عمیقی که در ساخت چنین مدل‌هایی با آن مواجه می‌شویم صحبت می‌کنیم. روش‌های متمایز - که باید بتوانند تشخیص دهند که یک حرکت مشاهده شده انسانی است یا نه - هنوز خوب کار نمی‌کنند، و ما درباره علت آن بحث می‌کنیم.
بحث گسترده‌ای در مورد مسائل باز وجود دارد. به طور خاص، ماهیت و میزان رفع ابهامات را مورد بحث قرار می‌دهیم، که به نظر می‌رسد در بازه‌های زمانی کوتاه مهم و در بازه‌های زمانی طولانی‌تر بی‌اهمیت هستند. این بحث نشان می دهد که بهترین استراتژی ردیابی، ردیابی یک نمایش دو بعدی و سپس بلند کردن آن است. ما به برخی از پدیده های گیج کننده مرتبط با انتخاب نمایش حرکت انسان اشاره می کنیم - زوایای مفاصل در مقابل موقعیت های مفاصل. در نهایت، راهنمای سریعی برای منابع ارائه می‌دهیم. ردیابی: مفاهیم اساسی.
ردیابی: روابط بین سه بعدی و دو بعدی.
ردیابی: داده‌ها انجمن ردیابی انسان.
سنتز حرکت.
بحث.

NOWPress, 2006. — 189 p. Из серии Foundations and Trends in Computer Graphics and Visionю
We review methods for kinematic tracking of the human body in video. The review is part of a projected book that is intended to cross-fertilize ideas about motion representation between the animation and computer vision communities. The review confines itself to the earlier stages of motion, focusing on tracking and motion synthesis; future material will cover activity representation and motion generation.
In general, we take the position that tracking does not necessarily involve (as is usually thought) complex multimodal inference problems. Instead, there are two key problems, both easy to state.
The first is lifting, where one must infer the configuration of the body in three dimensions from image data. Ambiguities in lifting can result in multimodal inference problem, and we review what little is known about the extent to which a lift is ambiguous. The second is data association, where one must determine which pixels in an image come from the body. We see a tracking by detection approach as the most productive, and review various human detection methods.
Lifting, and a variety of other problems, can be simplified by observing temporal structure in motion, and we review the literature on data-driven human animation to expose what is known about this structure. Accurate generative models of human motion would be extremely useful in both animation and tracking, and we discuss the profound difficulties encountered in building such models. Discriminative methods – which should be able to tell whether an observed motion is human or not – do not work well yet, and we discuss why.
There is an extensive discussion of open issues. In particular, we discuss the nature and extent of lifting ambiguities, which appear to be significant at short timescales and insignificant at longer timescales. This discussion suggests that the best tracking strategy is to track a 2D representation, and then lift it. We point out some puzzling phenomena associated with the choice of human motion representation – joint angles vs. joint positions. Finally, we give a quick guide to resources. Tracking: Fundamental Notions.
Tracking: Relations between 3D and 2D.
Tracking: Data Association for Human Tracking.
Motion Synthesis.
Discussion.