[发明专利]一种基于L1/2

说明书

本发明公开了一种基于L_1/2正则化的三维人体姿态重构方法,其将多幅三维人体图形中的所有节点的三维坐标构成数据库，采用矩阵分解和稀疏编码的在线学习方法对数据库进行字典学习得到过完备字典；然后利用过完备字典构建形状空间模型；接着利用谱范数的性质和L_1/2正则化的特点，对非凸优化问题进行凸松弛处理，将非凸优化问题转化为凸规划问题；之后将凸规划问题转化为增广拉格朗日求解表达式；再采用ADMM算法对增广拉格朗日求解表达式进行迭代求解；最后根据解值利用形状空间模型和3D可变形状模型重构出三维人体姿态；优点是重构效果好，且稀疏度好。

技术领域

本发明涉及一种三维重构技术，尤其是涉及一种基于L_1/2正则化的三维人体姿态重构方法。

背景技术

从二维图像中重构对象的三维形状是计算机视觉中具有挑战性的难题之一。近些年来，研究人员的研究重点已从利用图像中的边缘盒估计对象的三维形状转向进一步分析对象的三维几何信息(如形状、姿态等)。基于三维几何信息的推理不仅能够为高层视觉任务如场景理解、增强显示以及人机交互等提供更丰富的信息，而且可以有效提高对象识别性能的目的。

基于单视图的二维图像重构对象的三维形状本身是一个病态问题。最近几年，越来越多的科研人员利用不断增加的可用的在线三维模型数据库进行三维模型分析，并提取出丰富的形状先验信息，在此基础之上进行基于二维图像估计对象的三维形状的难题得到了广泛和深入的研究。

为解决三维形状估计过程中存在的类内可变性、非刚体变形和避免穷尽枚举等所有可能性的问题，受主动形状模型的启示，有许多工作。如：Zia M Z，Stark M，Schiele B，et al.Detailed 3d representations for object recognition and modeling.IEEETransactions on Pattern AnalysisMachine Intelligence，2013，35(11):2608-2623.(齐亚，斯塔克，席勒，用于对象识别和建模的详细的三维表示，IEEE模式分析与机器智能汇刊，2013，第11期35卷：2608-2623.)是通过采用一种三维可变形状模型(3D deformableshape model)来表示形状，在三维可变形状模型中，任意一个形状能够由一组基础形状形式表示出来，同时，基础形状可表示为一组有序标记点的集合。考虑到稀疏表示的思想为用一组过完备基将输入信号线性表示出来，若将上述基础形状看成过完备基，则三维可变形状模型类似一种稀疏表示。基于三维可变形状模型，将从二维图像中估计对象的三维形状视为二维图像中特征(标记点)与三维可变形状模型匹配的问题，即3D-to-2D形状融合问题。该融合问题本质上是对形状参数(稀疏系数)和视点参数(摄像机外部参数)同时进行估计的问题。由于只有视点已知的情况下，才能将三维可变形状模型与有序标记点的二维图像进行更好的融合；或者只有已知三维可变形状模型的情况下，才能更好的估计出视点，因此，形状参数与视点参数的联合估计是一个非凸优化问题。此外，对摄像机旋转矩阵进行正交约束，这将会使得问题变得更复杂。对于上述复杂问题的求解，以往一般采用交替迭代法实现形状参数与视点参数的交替更新，然而，此方法无法保证求得的解全局最优，且最终求得的解对初始值敏感。