甘凌云　侯　進(jìn),2*

1(西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院　四川 成都 611756)2(南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室　江蘇 南京 210093)

?

一種基于模型分割的三維人體骨架提取方法

甘凌云1侯進(jìn)1,2*

1(西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院四川 成都 611756)2(南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室江蘇 南京 210093)

針對(duì)當(dāng)前三維骨架提取方法復(fù)雜度較高、提取結(jié)果不夠準(zhǔn)確，以及專(zhuān)門(mén)針對(duì)人體模型的方法較少等問(wèn)題，提出一種基于模型分割的三維人體骨架提取方法。首先，根據(jù)模型頂點(diǎn)與末端特征點(diǎn)的最小測(cè)地距離將模型分割；然后由歸一化的測(cè)地距離函數(shù)確定模型各頂點(diǎn)所屬拓?fù)鋵哟危唤又谀Ｐ头指畹幕A(chǔ)上依據(jù)拓?fù)鋵哟翁崛〕鲈脊羌茳c(diǎn)；最后經(jīng)過(guò)微調(diào)，將各骨架點(diǎn)按照拓?fù)潢P(guān)系連接得到較為精確的人體骨架。實(shí)驗(yàn)結(jié)果表明，該方法有效降低了骨架提取算法的復(fù)雜度，且對(duì)不同姿勢(shì)的人體模型均可獲得較為準(zhǔn)確的提取結(jié)果。

骨架提取模型分割測(cè)地距離拓?fù)鋵哟?/p>

0　引　言

虛擬人作為人類(lèi)在虛擬世界中的化身[1]，自然成為模擬人類(lèi)行為的最好工具。而當(dāng)前眾多領(lǐng)域例如行為識(shí)別[2]、影視制作、游戲及動(dòng)畫(huà)的大量研究都是基于骨架進(jìn)行的。骨架作為三維對(duì)象幾何和拓?fù)浣Y(jié)構(gòu)的簡(jiǎn)化表示[3]，不僅保留了模型的原始形態(tài)特征，而且減少了冗余信息，壓縮了存儲(chǔ)空間，經(jīng)常被用在形狀分析[4]、曲面重建[5]、骨骼動(dòng)畫(huà)[6]、模型檢索[7]等研究當(dāng)中。這一切使得對(duì)虛擬人和骨架的相關(guān)研究相互依賴(lài)、共同發(fā)展，所以如何從三維人體模型中提取出有效的骨架信息，成為近年來(lái)專(zhuān)家學(xué)者們潛心研究的重要內(nèi)容。

一方面，一些三維掃描設(shè)備可以直接提取出主要關(guān)節(jié)的大概位置[8]，但得到的結(jié)果往往無(wú)法達(dá)到準(zhǔn)確和全面的效果。另一方面，研究人員針對(duì)骨架所具有的特點(diǎn)，也紛紛在不同理論的基礎(chǔ)上提出了相應(yīng)的骨架提取方法。例如，Au等[3]人通過(guò)全局位置約束使得模型收縮，直到得到一副零體積的骨骼線。徐超等[9]采用基于距離變換的方法，通過(guò)局部比較快速確定候選骨架點(diǎn)，再經(jīng)過(guò)一定的規(guī)則約束生長(zhǎng)出骨架。Jiang等[10]人使用基于Voronoi圖計(jì)算的方法使骨架圖收縮，并通過(guò)表面聚類(lèi)確保收縮過(guò)程中的均勻性。但是，這些方法多是從通用的模型中提取出骨架信息，所以有些并不適用于人體結(jié)構(gòu)，而且容易受到模型姿態(tài)等因素的影響。關(guān)華等[11]基于三角簡(jiǎn)化的方法得到人體模型的Reeb圖，再通過(guò)計(jì)算Reeb圖上各節(jié)點(diǎn)的曲率來(lái)添加關(guān)節(jié)點(diǎn)，最終實(shí)現(xiàn)模型的骨架提取。吳偉和等人[12]以特征點(diǎn)為起點(diǎn)計(jì)算模型等測(cè)地線的中心線，再根據(jù)人體測(cè)量學(xué)知識(shí)確定關(guān)節(jié)點(diǎn)的近似位置。他們雖然針對(duì)人體模型提取出了較為準(zhǔn)確的骨架結(jié)構(gòu)，但是計(jì)算過(guò)程較為復(fù)雜，在實(shí)現(xiàn)上有一定的難度。劉輝[13]采用測(cè)地距離計(jì)算簡(jiǎn)化模型的特征點(diǎn)，再根據(jù)特征點(diǎn)劃分頂點(diǎn)分支并刪除多余骨架點(diǎn)生成最終骨架。該方法有效降低了算法復(fù)雜度，但存在提取骨架不夠精細(xì)的問(wèn)題。

鑒于基于Reeb圖的方法對(duì)于模型的旋轉(zhuǎn)、平移具有很強(qiáng)的魯棒性，且有較強(qiáng)的抗噪性能，相對(duì)于其他方法也更加簡(jiǎn)單易行，非常適用于像虛擬人這樣對(duì)稱(chēng)且具有規(guī)則拓?fù)浣Y(jié)構(gòu)的對(duì)象。本文在Reeb圖的啟發(fā)之下，以模型分割為基礎(chǔ)，通過(guò)綜合分析人體模型的特征點(diǎn)域以及拓?fù)鋵哟谓Y(jié)構(gòu)來(lái)確定骨架點(diǎn)，從而提取出滿足人體結(jié)構(gòu)特點(diǎn)的骨架。實(shí)驗(yàn)結(jié)果與對(duì)比表明，本文方法不僅簡(jiǎn)單易行，而且對(duì)于不同姿勢(shì)的人體模型都能得到較為精確的提取效果。

1　算法概述

圖1　算法過(guò)程示意圖

本文借鑒Reeb圖的思想，在模型分割的基礎(chǔ)上對(duì)三維虛擬人三角網(wǎng)格模型進(jìn)行骨架提取。在模型分割階段，利用各頂點(diǎn)到人體末端特征點(diǎn)的測(cè)地距離計(jì)算特征點(diǎn)域。然后利用歸一化的測(cè)地距離函數(shù)計(jì)算出每一頂點(diǎn)的分類(lèi)函數(shù)值，為下一步提取骨架點(diǎn)提供重要的拓?fù)鋵哟涡畔ⅰ＝酉聛?lái)綜合分析以上兩步得到的結(jié)果，通過(guò)算法獲得原始骨架點(diǎn)。最后對(duì)個(gè)別骨架點(diǎn)進(jìn)行調(diào)整，并根據(jù)模型的拓?fù)浣Y(jié)構(gòu)連接相應(yīng)節(jié)點(diǎn)完成最終的提取工作。整個(gè)方法計(jì)算復(fù)雜度低、提取結(jié)果較為精準(zhǔn)，適用于不同姿勢(shì)的人體模型，具有很好的可推廣性。其具體算法過(guò)程如圖1所示。

2　模型分割

2.1特征點(diǎn)的提取

圖2　特征點(diǎn)所在最小區(qū)域示意圖

一般將三維網(wǎng)格模型中局部突出的點(diǎn)作為特征點(diǎn)，它反映了整個(gè)模型的空間結(jié)構(gòu)以及分支情況。本文分別將目標(biāo)特征點(diǎn)所在的最小區(qū)域單獨(dú)命名，在將模型整體導(dǎo)出后，以頂點(diǎn)索引特征為判斷依據(jù)搜索出目標(biāo)特征點(diǎn)。

假如目標(biāo)特征點(diǎn)所在的最小區(qū)域是由圖2的形式構(gòu)成，四邊形BCDE(當(dāng)然也可能為其他多邊形)為模型內(nèi)部不封閉的部分。如果頂點(diǎn)A、B、C、D、E的索引號(hào)依次為0、1、2、3、4，那么△ABC、△ACD、△ADE和△ABE的構(gòu)成索引對(duì)就如表1所示。

表1　三角形及其索引對(duì)

由表1可以明顯看出，具有局部突出特征的點(diǎn)A在構(gòu)成每個(gè)索引對(duì)中均作出貢獻(xiàn)。所以只要遍歷目標(biāo)特征點(diǎn)所在最小區(qū)域的全部三角形，找出在每個(gè)三角形中均有出現(xiàn)的索引，即可確定該索引所代表的頂點(diǎn)為目標(biāo)特征點(diǎn)，其三維坐標(biāo)等信息也就繼而得知了。本文以此方法分別提取出位于人體頭頂、左指尖、右指尖、左腳尖和右腳尖的5個(gè)頂點(diǎn)作為特征點(diǎn)參與后續(xù)計(jì)算。

2.2基于特征點(diǎn)的結(jié)構(gòu)分割

2.2.1特征點(diǎn)域

本文模型滿足下式:

D={vn|f(vn)=g(vfp),n∈(0,N)}

(1)

其頂點(diǎn)集合稱(chēng)為對(duì)應(yīng)特征點(diǎn)的特征點(diǎn)域。其中，vn為模型的第n個(gè)頂點(diǎn) ，vfp為某一特征點(diǎn)；f、g分別是以vn和vfp為變量的函數(shù)，N為模型的總頂點(diǎn)數(shù)。

根據(jù)以上定義可知，特征點(diǎn)域即為具有某種相同函數(shù)特征的頂點(diǎn)集合，處在相同域內(nèi)的頂點(diǎn)與對(duì)應(yīng)特征點(diǎn)之間存在某種特殊聯(lián)系。而正是由于特征點(diǎn)有著描述模型局部特征的功能，所以在以特征點(diǎn)為參照得到的頂點(diǎn)集合內(nèi)部也將有著相類(lèi)似的某種聯(lián)系。這樣以特征點(diǎn)為依據(jù)對(duì)模型進(jìn)行劃分，將為后續(xù)的骨架提取提供重要的模型結(jié)構(gòu)信息。

2.2.2特征點(diǎn)域的計(jì)算

鑒于特征點(diǎn)常位于極值部位，很容易使人聯(lián)想到將模型頂點(diǎn)與特征點(diǎn)間的距離作為分割依據(jù)。然而由于三維模型的空間特殊性，若直接使用歐式距離，很多時(shí)候并不能得到正確的分割結(jié)果，所以考慮采用各頂點(diǎn)到相應(yīng)特征點(diǎn)的測(cè)地距離作為劃分標(biāo)準(zhǔn)。

測(cè)地距離是指沿表面兩點(diǎn)之間最短路徑的長(zhǎng)度，通常可用迪科斯徹(Dijkstra)算法來(lái)近似計(jì)算。與歐式距離相比，測(cè)地距離兼顧了曲面上兩點(diǎn)之間的幾何連通性，因此可獲得更加合理的分割效果。

Dijkstra算法的主要思想如下：

(1) 選擇一個(gè)基準(zhǔn)點(diǎn)b，令集合S=，T={模型剩余點(diǎn)}，T中頂點(diǎn)vi(xi,yi,zi)若可直達(dá)b(xb,yb,zb)，則距離g(vi)=dis(b,vi)，否則g(vi)=+∞；

(2) 判斷T是否為空，是則轉(zhuǎn)至步驟(4)，否則從T中選取一個(gè)與b有最小距離的頂點(diǎn)vj，并將此點(diǎn)加入S；

(3) 若T中頂點(diǎn)vk到b的距離大于途經(jīng)vj再至b的距離，即：

g(vk)>g(vj)+dis(vj,vk)

(2)

則更新：

g(vk)=g(vj)+dis(vj,vk)

(3)

同時(shí)轉(zhuǎn)至步驟(2)；

(4) 此時(shí)所有頂點(diǎn)都包含在S內(nèi)，它們與b之間的距離g(vi)即為所求最短路徑。

其中：

(4)

(5)

以各特征點(diǎn)為基準(zhǔn)點(diǎn)，采用Dijkstra算法求得模型頂點(diǎn)與各特征點(diǎn)之間的最短路徑，將與各特征點(diǎn)有最小測(cè)地距離的頂點(diǎn)分別聚合，即可得到各特征點(diǎn)域。相同域的頂點(diǎn)與相應(yīng)特征點(diǎn)在幾何表面都有著最為快捷的到達(dá)方式。這種到達(dá)方式將三維模型分割成與特征點(diǎn)數(shù)目相同的幾個(gè)部分，構(gòu)成模型局部獨(dú)立的幾大分支，而準(zhǔn)確的分支信息將成為確定骨架點(diǎn)的一大依據(jù)。

3　人體模型拓?fù)浣Y(jié)構(gòu)分析

3.1Reeb圖

Reeb圖是三維模型拓?fù)浣Y(jié)構(gòu)的一種重要描述方式，由定義在一個(gè)任意維度對(duì)象上的連續(xù)標(biāo)量函數(shù)確定[14]，是數(shù)學(xué)家Georges Reeb為分析流形拓?fù)浣Y(jié)構(gòu)而首先提出，常被用于計(jì)算幾何、計(jì)算機(jī)圖形學(xué)等科研領(lǐng)域。

Reeb圖的定義：假設(shè)有一流形M，f是定義在M上一個(gè)連續(xù)而光滑的函數(shù)，R是M經(jīng)由f生成，即f:M→R。對(duì)于xi,xj∈M，如果f(xi)=f(xj)，那么R是M在f的映射下生成的Reeb圖。

本文在這種思想之下，不同于一般基于Reeb圖的方法那樣對(duì)大量等值線提取中心連成曲線骨架線，而是由分類(lèi)函數(shù)f對(duì)人體進(jìn)行拓?fù)溆?jì)算，再通過(guò)參數(shù)控制拓?fù)鋵哟沃苯犹崛」羌茳c(diǎn)，從而減少了一定的計(jì)算量。

3.2分類(lèi)函數(shù)的選取

高度函數(shù)、測(cè)地距離和調(diào)和函數(shù)等都常被用來(lái)作為f函數(shù)。由于測(cè)地距離沿網(wǎng)格表面計(jì)算兩點(diǎn)間的最短距離，所以在不同姿勢(shì)和體態(tài)下具有更大的優(yōu)勢(shì)，十分有利于得到準(zhǔn)確的分類(lèi)結(jié)果。所以本文在這部分仍然沿用模型分割時(shí)特征點(diǎn)域內(nèi)各頂點(diǎn)與相應(yīng)特征點(diǎn)間的測(cè)地距離函數(shù)進(jìn)行拓?fù)鋭澐帧Ｍ瑫r(shí)為便于計(jì)算統(tǒng)計(jì)，采用歸一化后的測(cè)地距離，如下所示：

(6)

其中，g(vi)為vi與對(duì)應(yīng)特征點(diǎn)的測(cè)地距離，max{g(vj)}、min{g(vj)}分別為測(cè)地距離的最大值與最小值，N為模型頂點(diǎn)數(shù)。

3.3拓?fù)鋵哟蔚姆治?/p>

而對(duì)于K的取值，如果選擇最小值1，那么整個(gè)模型將屬于同一拓?fù)鋵哟?，此時(shí)就失去了表達(dá)人體拓?fù)湫畔⒌囊饬x。隨著K取值的增大，相應(yīng)的拓?fù)鋵哟我矊⒉粩嘣黾?，而過(guò)多的層次對(duì)于描述人體骨架結(jié)構(gòu)也是沒(méi)有幫助的，反而會(huì)減慢計(jì)算速度。所以，是否合理地選擇K的取值，會(huì)在很大程度上決定最終實(shí)驗(yàn)效果的好壞。

圖3從左到右、從上至下依次為K=2～7時(shí)一個(gè)男性人體模型的拓?fù)鋵哟谓Y(jié)構(gòu)，分別使用不同的深度表示具有同一拓?fù)涮卣鞯捻旤c(diǎn)集合。由圖可見(jiàn)，隨著K值的不斷增大，拓?fù)鋵哟我苍诓粩嘣龆?。?dāng)K=2時(shí)，人體模型各部分只是被粗略地區(qū)分，這樣提取出的骨架點(diǎn)將較為稀疏；而K=7時(shí)，各部分的劃分又過(guò)于細(xì)致，這時(shí)不僅會(huì)增加計(jì)算量，而且還可能出現(xiàn)由于劃分過(guò)細(xì)而提取出孤立點(diǎn)的情況。經(jīng)反復(fù)試驗(yàn)發(fā)現(xiàn)，當(dāng)K=4時(shí)，人體各部分的層次劃分較為合理，提取出的骨架點(diǎn)位置也與真實(shí)人體關(guān)節(jié)較為接近，而此時(shí)計(jì)算復(fù)雜度也相對(duì)較低。

圖3　不同K值下的人體拓?fù)鋵哟?/p>

4　人體模型骨架提取

4.1骨架點(diǎn)的求取

為得到能夠反映模型結(jié)構(gòu)特點(diǎn)的骨架點(diǎn)，劉輝[13]使用改進(jìn)的拓?fù)浣Y(jié)構(gòu)法遍歷所有網(wǎng)格頂點(diǎn)，以相鄰點(diǎn)與當(dāng)前點(diǎn)的特征點(diǎn)域情況判斷當(dāng)前點(diǎn)是否為分支點(diǎn)，進(jìn)而將同一分支集合內(nèi)的頂點(diǎn)聚合求得骨架點(diǎn)。改進(jìn)的拓?fù)浣Y(jié)構(gòu)法適用于存在孔、洞的模型，避免了處于同一水平集而不同分支內(nèi)的頂點(diǎn)聚合為同一骨架點(diǎn)的情況。但是由于此種方法只依據(jù)特征點(diǎn)域進(jìn)行分支判斷，所以最終得到的骨架點(diǎn)只存在于模型分支處，不免顯得較為稀疏，可能無(wú)法將模型的結(jié)構(gòu)特點(diǎn)作詳盡描述。另外，該方法得到的骨架還有可能出現(xiàn)環(huán)路，這時(shí)就不得不對(duì)骨架進(jìn)行再次加工。而本文采用綜合分析模型分割結(jié)果及拓?fù)鋵哟蔚姆椒?，?duì)每一分支內(nèi)具有相同拓?fù)鋵哟蔚捻旤c(diǎn)聚合，逐層求解的過(guò)程避免了環(huán)路的發(fā)生，得到的骨架點(diǎn)數(shù)量更利于反映模型的結(jié)構(gòu)特點(diǎn)，對(duì)于人體模型來(lái)講具有更為豐富的描述意義。本文求取骨架點(diǎn)的具體算法步驟如下：

(1) 將不同水平集內(nèi)的頂點(diǎn)按f值分K類(lèi)存放；

(2) 遍歷其一水平集內(nèi)的所有頂點(diǎn)，如已處理完畢則轉(zhuǎn)至(5)，否則將未處理頂點(diǎn)v入棧S；

(3) 取棧頂元素vt，遍歷其鄰點(diǎn)是否與vt在相同的水平集，是則返回(2)，否則繼續(xù)；

(4) 將vt添加到vt的骨架點(diǎn)數(shù)組，重新遍歷其鄰點(diǎn)，將與vt在同一水平集的鄰點(diǎn)入棧S，轉(zhuǎn)(3)至?？?；

(5) 對(duì)其余水平集重復(fù)(2)至(4)；

(6) 遍歷每一骨架點(diǎn)數(shù)組中頂點(diǎn)是否具有相同特征點(diǎn)控制域，是則結(jié)束，否則繼續(xù)；

(7) 將具有不同特征點(diǎn)控制域的骨架點(diǎn)數(shù)組分離為新的骨架點(diǎn)數(shù)組，至此得到基于模型分割的各部分骨架點(diǎn)數(shù)組。

最后，將每一骨架點(diǎn)數(shù)組中的頂點(diǎn)作坐標(biāo)平均，得到所求三維模型的所有骨架點(diǎn)，如式(6)-式(8)所示，此時(shí)提取骨架點(diǎn)滿足骨架對(duì)于中心性的要求。

(7)

(8)

(9)

式中xvj、yvj、zvj為頂點(diǎn)vj的三維坐標(biāo)，Ni為第i個(gè)骨架點(diǎn)數(shù)組中的頂點(diǎn)總數(shù)；xi、yi、zi為第i個(gè)骨架點(diǎn)的三維坐標(biāo)，M為骨架點(diǎn)總數(shù)。

4.2個(gè)別骨架點(diǎn)的調(diào)整

圖4　肩、踝骨架點(diǎn)調(diào)整前后對(duì)比

實(shí)驗(yàn)發(fā)現(xiàn)，本文方法對(duì)于人體模型肩關(guān)節(jié)和踝關(guān)節(jié)附近的骨架點(diǎn)提取效果有時(shí)并不十分理想。究其原因是由于肩、踝部的幾何結(jié)構(gòu)不規(guī)則所致，所以還需對(duì)不夠精確的骨架點(diǎn)進(jìn)行位置調(diào)整。本文以0.01為步長(zhǎng)，將提取的原始骨架點(diǎn)沿需要調(diào)整的坐標(biāo)軸方向移動(dòng)，直至到達(dá)合適的位置。圖4即為這兩部分骨架點(diǎn)位置調(diào)整前后的對(duì)比示意圖。

5　實(shí)驗(yàn)結(jié)果及討論

本文實(shí)驗(yàn)是在Windows 7，Intel Core i5-3230M CPU，2.6 GHz，2.88 GB的環(huán)境下，利用OpenGL圖形庫(kù)，以Visual Studio 2010作為軟件開(kāi)發(fā)平臺(tái)進(jìn)行的。選取的人體模型共有3個(gè)，其中2個(gè)從Poser8中導(dǎo)出，分別為男性人體模型Nude Man P4 Lo和女性人體模型Nude Woman P4 Lo。另有一自建模型用于檢測(cè)骨架驅(qū)動(dòng)效果，進(jìn)而評(píng)價(jià)本文方法的實(shí)際應(yīng)用價(jià)值。三者皆選頭頂和四肢肢端共計(jì)五個(gè)頂點(diǎn)為特征點(diǎn)。除人體模型之外，本文也對(duì)Poser8中的2個(gè)非生命體做了同樣實(shí)驗(yàn)，各實(shí)驗(yàn)?zāi)Ｐ蛿?shù)據(jù)如表2所示。

表2　實(shí)驗(yàn)?zāi)Ｐ拖嚓P(guān)數(shù)據(jù)

圖5和圖6即為對(duì)Nude Man P4 Lo進(jìn)行特征點(diǎn)提取和模型分割的結(jié)果。圖6采用不同深度標(biāo)記模型具有同一分類(lèi)特征的頂點(diǎn)集合，可以明顯看出整個(gè)模型被分為5個(gè)部分，正好對(duì)應(yīng)于所選取的5個(gè)末端特征點(diǎn)。

圖5　特征點(diǎn)提取結(jié)果　圖6　模型分割結(jié)果

圖7是文獻(xiàn)[13]中改進(jìn)拓?fù)浣Y(jié)構(gòu)法的骨架提取效果。從(a)-(c)的人體模型來(lái)看，一方面，提取的分支節(jié)點(diǎn)較為稀疏，造成骨架結(jié)構(gòu)十分簡(jiǎn)單；另一方面，對(duì)于雙手平舉的模型，雖然從正面看來(lái)可以取得形象的骨架效果，但是從俯視圖來(lái)看就暴露了骨架穿出皮膚的缺點(diǎn)。對(duì)于雙手下垂的模型來(lái)講，從正面就能看到其骨架并沒(méi)有位于模型之內(nèi)。對(duì)于(d)和(e)的非人體模型也同樣或多或少地存在類(lèi)似現(xiàn)象。

圖7　文獻(xiàn)[13]方法的骨架提取結(jié)果

本文方法由于是在模型分割的基礎(chǔ)上按照拓?fù)鋵哟沃饘忧笕」羌茳c(diǎn)，所以不會(huì)出現(xiàn)骨架在模型以外的情況，具體結(jié)果如圖8所示。從人體模型(a)-(c)可見(jiàn)，無(wú)論是在骨架點(diǎn)數(shù)量還是骨架形態(tài)上，本文方法所得結(jié)果更適合描述人體的結(jié)構(gòu)特點(diǎn)，具有更為細(xì)致的提取效果。

圖8　本文方法的骨架提取結(jié)果

表3對(duì)文獻(xiàn)[13]與本文方法所提取的骨架點(diǎn)數(shù)量進(jìn)行了比較。從表中亦可以看出，本文方法獲得的骨架點(diǎn)更多、更細(xì)致，所以在模型的細(xì)節(jié)描述上具有更大的優(yōu)勢(shì)。

表3　骨架點(diǎn)提取數(shù)量對(duì)比

圖9是針對(duì)女性模型在不同姿勢(shì)下進(jìn)行骨架提取，因?yàn)榻梃b了Reeb圖的思想并充分考慮人體拓?fù)浣Y(jié)構(gòu)特點(diǎn)，所以本文方法同樣受人體姿勢(shì)變換的影響較小。實(shí)驗(yàn)結(jié)果證明，本文方法不僅對(duì)于標(biāo)準(zhǔn)姿態(tài)的人體模型能夠提取出形象的骨架，還適用于不同姿勢(shì)的三維人體模型，且都能夠得到較為理想的結(jié)果。

圖9　女性模型不同姿勢(shì)的骨架提取結(jié)果

最后，為說(shuō)明本文方法所得骨架可應(yīng)用于骨骼動(dòng)畫(huà)，采用頂點(diǎn)混合綁定的方法使得骨骼可以對(duì)虛擬人皮膚進(jìn)行驅(qū)動(dòng)，綁定權(quán)重由骨骼投影法作粗略估計(jì)。圖10為虛擬人從初始姿勢(shì)到邁步狀態(tài)的一個(gè)動(dòng)作效果，可見(jiàn)當(dāng)自建模型的骨架做出一定量運(yùn)動(dòng)之后，皮膚也會(huì)隨之發(fā)生變化。動(dòng)畫(huà)效果充分說(shuō)明本文提取骨架較為合理，能夠驅(qū)動(dòng)虛擬人產(chǎn)生生動(dòng)逼真的骨骼動(dòng)畫(huà)，這部分也將是下一步研究的一個(gè)重點(diǎn)。

圖10　腿部蒙皮后的動(dòng)作效果

6　結(jié)　語(yǔ)

本文提出一種基于模型分割的三維人體模型骨架提取方法，使得提取結(jié)果更加適用于虛擬人三維模型，并且對(duì)于不同姿勢(shì)都能得到較為精確的提取效果。首先通過(guò)計(jì)算每個(gè)頂點(diǎn)到特征點(diǎn)的最短路徑來(lái)劃分特征點(diǎn)域分割模型；然后根據(jù)各頂點(diǎn)的分類(lèi)函數(shù)值將三維模型進(jìn)行拓?fù)鋵哟蔚臉?gòu)造；接著依據(jù)模型分割結(jié)果和拓?fù)浣Y(jié)構(gòu)提取出更為精確和豐富的骨架點(diǎn)；最后連接具有相鄰關(guān)系的節(jié)點(diǎn)得到最終提取結(jié)果。不同于一般先求取中心骨架線的方法，本文方法更加簡(jiǎn)單易行，并且效果顯著。下一步的工作重點(diǎn)在于：(1)對(duì)于非人體模型而言，本文方法有可能會(huì)出現(xiàn)骨架點(diǎn)提取過(guò)于細(xì)致的問(wèn)題，如圖8(e)所示，所以還需對(duì)非人形模型骨架點(diǎn)的精簡(jiǎn)展開(kāi)研究；(2)進(jìn)一步深入探索，使本文骨架提取結(jié)果能夠應(yīng)用于動(dòng)作識(shí)別或者骨骼動(dòng)畫(huà)等。

[1] Hou J, Xu F, Wu L， et al. Avatar-based human communication: a review[J].International Journal of Modelling and Simulation, 2012, 32(4): 273-278.

[2] Du J, Chen D F. 3D action recognition based on limb angle model[C]//2014 4th IEEE International Conference on Information Science and Technology. Shenzhen: IEEE, 2014:304-307.

[3] Au O K C, Tai C L, Chu H K, et al. Skeleton extraction by mesh contraction[J]. ACM Transactions. on Graphics, 2008, 27(3):441-449.

[4] Li Z, Qin S W, Yu Z Y, et al. Skeleton-based shape analysis of protein models[J].Journal of Molecular Graphics and Modelling, 2014, 53:72-81.

[5] Agarawal M, Kumar S, Bala A. Three dimensional object retrieval using a skeleton-based approach[C]//2014 IEEE International Advance Computing Conference. Gurgaon: IEEE, 2014:1147-1151.

[6] Pantuwong N, Sugimoto M. A novel framework for 3D computer animation systems for nonprofessional users using an automatic rigging algorithm[C]//2012 IEEE International Conference on Multimedia and Expo. Melbourne: IEEE, 2012: 896-901.

[7] 韓麗, 程遠(yuǎn). 融合骨架結(jié)構(gòu)與幾何細(xì)節(jié)的三維模型檢索方法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2013, 30(11):199-201,273.

[8] Wang S X, Qin S F, Guan C Y. Feature-based human model for digital apparel design[J]. IEEE Trans. on Automation Science and Engineering, 2014, 11(2):620-626.

[9] 徐超, 肖瀟, 駱燕,等.基于距離變換的新型骨架提取方法[J]. 儀器儀表學(xué)報(bào), 2012, 33(12):2851-2856.

[10] Jiang W, Xu K, Cheng Z Q, et al. Curve skeleton extraction by coupled graph contraction and surface clustering[J]. Graphical Models, 2013, 75(3):137-148.

[11] 關(guān)華, 郭立, 李文,等. 一種人體三維Reeb圖計(jì)算方法[J]. 計(jì)算機(jī)工程, 2011,37(19):207-209.

[12] 吳偉和, 郝愛(ài)民, 趙永濤,等. 一種人體運(yùn)動(dòng)骨骼提取和動(dòng)畫(huà)自動(dòng)生成方法[J]. 計(jì)算機(jī)研究與發(fā)展, 2012, 49(7):1408-1419.

[13] 劉輝. 基于Reeb圖的三維網(wǎng)格模型骨架提取算法研究[D]. 濟(jì)南：山東師范大學(xué), 2013.

[14] Hachani M, Zaid A O, Puech W. Segmentation of 3d dynamic meshes based on Reeb graph approach[C]//2014 Proceedings of the 22nd European Signal Processing Conference. Lisbon: IEEE, 2014: 2175-2179.

A METHOD FOR EXTRACTING 3D HUMAN BODY SKELETON BASED ON MODEL SEGMENTATION

Gan Lingyun1Hou Jin1,2*

1(School of Information Science and Technology, Southwest Jiaotong University, Chengdu 611756,Sichuan，China)2(StateKeyLaboratoryforNovelSoftwareTechnology,NanjingUniversity,Nanjing210093,Jiangsu,China)

Aiming at the problems that current 3D skeleton extraction methods are highly complicated, the extraction results are not accurate enough, and few of them are specifically for human body models, we proposed a model segmentation-based 3D human body skeletons extraction method. First, we divided the model into parts according to the minimum geodesic distances between feature points of its vertices and ends. Secondly, we determined the topological hierarchies of each vertex of the model by the normalised geodesic distance function. Thirdly, based on model segmentation we extracted the original skeleton points according to their topological hierarchies. Finally, after some fine tuning, we connected all the skeleton points according to their topological relations and obtained a quite accurate human skeleton. Experimental results showed that the method reduces the complexity of the skeleton extraction algorithms effectively and gets more accurate extraction result for human body models with different postures.

Skeleton extractionModel segmentationGeodesic distanceTopological hierarchy

2015-04-02。國(guó)家自然科學(xué)基金面上項(xiàng)目(61371165)；計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)放課題基金項(xiàng)目(KFKT2013B22)；浙江大學(xué)CAD&CG國(guó)家重點(diǎn)驗(yàn)室開(kāi)放課題(A1416)。甘凌云，碩士，主研領(lǐng)域：虛擬現(xiàn)實(shí)。侯進(jìn)，副教授。

TP391.9

A

10.3969/j.issn.1000-386x.2016.09.008