[发明专利]一种笔划交互式的人体骨架重建技术

说明书

本发明公开了一种笔划交互式的人体骨架重建技术。首先，从骨骼图中找到人体骨骼的颈部的关节点，然后，将根据距离和方向信息在预处理的输入图像上定位其他关键关节点。之后，将根据标准人体骨骼的比例和角度运动范围来校正图像中的骨骼结构误差。最后，还提供了生成可能的3D骨骼关节点的功能。该技术使用户能够以简单、直观、快速的方式获取人体骨架草图，而不存在明显的结构误差。生成的二维图像可以作为用户的绘图参考，而三维坐标可以用于模型和动画等相关的领域。

技术领域

本发明提出了一种笔划交互的骨骼校正技术，并将其用于图像中人体骨骼的校正，属于骨架重建领域。并且通过图像生成对应的二维骨架模型可以应用于2D动画、游戏等领域。骨骼动画可以很容易地控制人体模特的姿势和动作，从而降低创作成本。

背景技术

对于非专业的创作者来说，创造一个没有缺点的人体骨架图像是一个挑战。在初学者的作品中，经常会出现比例和结构上的错误，如上肢过长、肘部角度不合理等。虽然这些问题可以通过搜索具有相似姿势的人体图片作为参考来解决，但通常需要花费大量的时间来搜索，并且搜索结果可能并不令人满意。

人体姿态识别与纠正技术随着游戏、人机交互、监控、可视化等领域的需求增长而得以不断更新：单张、多张静态图像均可以不同程度地恢复人体的姿势，利用视频序列也可以进行姿态估计，高速深度相机的出现则使得人体姿态识别的结果更为精确、健壮；对于所得的姿态，凭借丰富的样本可以一定程度上纠正由于杂乱背景、自遮挡等问题造成的错误。这些技术与方法对于手绘人体骨架草图的关节估计与纠正具有一定参考价值，然而输入图像极其有限的信息导致许多方法无法被应用。

本发明提出了一种校正图像中人体骨骼的技术，首先要识别图像中人体的关节点，而识别步骤之前，通常会对源图像进行骨架化处理。然后对从图像中获取人体骨架的进行校正。本发明依赖的相关技术介绍如下：

(1)图像骨架化处理

骨架化的方法通常可以分为两类：细化和距离变换。细化算法会迭代删除图形边缘上的连续像素层，直到只剩下骨骼。单个像素的删除由附近像素决定。这种方法可以保持原始图形的拓扑结构，而不能保证骨骼的连续性和平滑性。因此，生成的结果通常需要进一步的处理。而通过距离转换，二进制图像将被转换为一张新图像，其中每个目标像素的值都与距背景的最小距离相匹配。通常，基于距离变换的算法可以获取精确的骨架结构，但不能确保连通性。快速的欧几里得距离变换算法从外到内计算出人体轮廓的欧几里得距离图，但它无法获取骨骼的关节点。另一种方法可以从身体轮廓图像中提取带有关节的骨骼，但是它需要额外的信息，即四肢的宽度。

(2)骨骼关节点识别

要识别静态图像中关节的位置，通常需要使用标准人体骨骼模型作为参考，该模型可以指示搜索关节的方向。并且通常将关节点分为显示、隐式关节两种，并采取不同的方式来确定。

(3)人体骨架校正

从静态图像中恢复身体姿势的主流方法通常可以分为三种：基于匹配的方法，基于身体部位的方法和基于模型的方法。

对于基于匹配的方法，可以通过比较测试图像和较大的标记数据集来获取姿势。通常需要人体特征和形状背景。为了进行训练，此方法需要包含身体姿势数据的数据集，这些数据具有丰富的姿势类型，背景和个人信息。除非对图像进行了专门的细化，否则该技术无法从背景杂乱的图像中获得准确的结果。基于身体部位的方法克服了基于匹配算法的局限性，这些方法首先尝试识别人的每个身体部位，例如面部，躯干和四肢。然后根据预定义的结构约束估计最佳组合。与基于匹配的方法相比，该技术所需的数据集更少，并且对姿势的类型不敏感。结果取决于身体部位检测器，但是该方法只能处理具有特定服装样式的身体图像。

而基于模型的方法通常可以获取准确的姿势，并且不依赖于身体部位检测器。该方法首先通过修改人体模型的参数来生成大量姿势，然后最小化假设姿势与源图像之间的投影误差。

发明内容