JPH0512443A - 動物体の輪郭追跡方法 - Google Patents
動物体の輪郭追跡方法Info
- Publication number
- JPH0512443A JPH0512443A JP3190917A JP19091791A JPH0512443A JP H0512443 A JPH0512443 A JP H0512443A JP 3190917 A JP3190917 A JP 3190917A JP 19091791 A JP19091791 A JP 19091791A JP H0512443 A JPH0512443 A JP H0512443A
- Authority
- JP
- Japan
- Prior art keywords
- contour
- moving
- tracing
- potential
- contour model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 本発明の目的は動画像系列から動物体輪郭を
安定的に抽出追跡することができる動物体の輪郭追跡方
法を提供することである。 【構成】 本発明は濃淡画像で表された動画像系列にお
ける動物体の輪郭追跡方法において、濃淡画像の濃度勾
配を求め、濃度勾配よりポテンシャル場を生成するポテ
ンシャル生成部（１）と、弾性体として記述された輪郭
モデルを定義し、前フレームでの追跡結果を初期値とし
て現フレーム画像のポテンシャル場で移動・変形させ、
その変形に伴う輪郭モデルの弾性エネルギーと輪郭モデ
ルが位置するポテンシャル場から導かれるポテンシャル
エネルギーの両者の和を最小にするように輪郭モデルを
移動させ、再配置する最小エネルギー計算部（２）の構
成により動物体の輪郭追跡を行い追跡結果（３）を得
る。
安定的に抽出追跡することができる動物体の輪郭追跡方
法を提供することである。 【構成】 本発明は濃淡画像で表された動画像系列にお
ける動物体の輪郭追跡方法において、濃淡画像の濃度勾
配を求め、濃度勾配よりポテンシャル場を生成するポテ
ンシャル生成部（１）と、弾性体として記述された輪郭
モデルを定義し、前フレームでの追跡結果を初期値とし
て現フレーム画像のポテンシャル場で移動・変形させ、
その変形に伴う輪郭モデルの弾性エネルギーと輪郭モデ
ルが位置するポテンシャル場から導かれるポテンシャル
エネルギーの両者の和を最小にするように輪郭モデルを
移動させ、再配置する最小エネルギー計算部（２）の構
成により動物体の輪郭追跡を行い追跡結果（３）を得
る。
Description
【０００１】
【産業上の利用分野】本発明は動物体の輪郭追跡方法に
係り、特に動画像中の人物、車等の対象物体の輪郭を複
数フレームにわたって追跡する動物体の輪郭追跡方法に
関する。
係り、特に動画像中の人物、車等の対象物体の輪郭を複
数フレームにわたって追跡する動物体の輪郭追跡方法に
関する。
【０００２】
【従来の技術】従来の動物体の追跡手法の大部分では、
対象物体の特徴点・輪郭線等を隣接フレーム間で対応づ
けるという方式が採られている。中でも、対象物体の特
徴点の追跡は動きの流れの解析、運動からの構造復元等
の前処理としての重要性から多くの手法が提案されてい
る。一方、対象物体そのものを追跡したいという応用に
おいては特徴点ではなく、輪郭線のようにより高次の特
徴の追跡が期待される。
対象物体の特徴点・輪郭線等を隣接フレーム間で対応づ
けるという方式が採られている。中でも、対象物体の特
徴点の追跡は動きの流れの解析、運動からの構造復元等
の前処理としての重要性から多くの手法が提案されてい
る。一方、対象物体そのものを追跡したいという応用に
おいては特徴点ではなく、輪郭線のようにより高次の特
徴の追跡が期待される。
【０００３】一方、ミッシェル・カス（Michael Kass)
らにより、エネルギー最小化アプローチによるノンパラ
メトリックな輪郭抽出モデル( 以下Snakes: M.Kass, et
al.:" Snakes: Active contour models", Internation
al Journal of Computer Vision, Vol.1, No.4, 1988)
が提案され、形状抽出のみならず、輪郭追跡への応用も
試みられている。Snakesによる追跡では輪郭抽出と追跡
の問題が同時に取り扱われているので、前記問題が解消
されるという利点がある。
らにより、エネルギー最小化アプローチによるノンパラ
メトリックな輪郭抽出モデル( 以下Snakes: M.Kass, et
al.:" Snakes: Active contour models", Internation
al Journal of Computer Vision, Vol.1, No.4, 1988)
が提案され、形状抽出のみならず、輪郭追跡への応用も
試みられている。Snakesによる追跡では輪郭抽出と追跡
の問題が同時に取り扱われているので、前記問題が解消
されるという利点がある。
【０００４】
【発明が解決しようとする課題】しかしながら、対象物
体の特徴点・輪郭線等を隣接フレーム間で対応づける方
式では、特徴の“レベル”が上がる程、輪郭線のような
特徴を画像中から安定的に抽出することが困難となる。
これは、特徴の抽出、追跡といった２段階の処理構成を
とる以上、本質的に解決が困難である。また、Snakesに
おけるエネルギーの最小化では、基本的には初期値とし
て与えられた輪郭（Snakes) が収縮しながら抽出対象輪
郭に張りついていくように振る舞うため、追跡対象輪郭
が隣接フレーム間で大きく平行移動するような場合には
やはり適応困難である。また、その移動量が比較的小さ
い場合でも、追跡対象物体が複雑なテクスチュアを有し
ていたり、遮蔽エッジがあるような場合にはやはり適応
困難である。これはSnakesが初期値に大きく依存し、且
つ、Snakes自身が“軟らか”すぎることに起因してい
る。即ち、追跡処理の場合、追跡対象が剛体、非剛体に
関わらず、動画像系列の隣接２フレーム間でその移動量
が大きい場合でも、輪郭形状自身は極端に変形しないと
考えられる。従って、輪郭モデルをSnakesで用いられて
いるような柔軟なスプライン曲線ではなく、前フレーム
での形状をできるだけ、保存し得るような適当な“硬
さ”を持ったモデルとする必要がある。本発明は上記の
点に鑑みなされたもので、動画像系列から動物体輪郭を
安定的に抽出・追跡することができる動物体の輪郭追跡
方法を提供することを目的とする。
体の特徴点・輪郭線等を隣接フレーム間で対応づける方
式では、特徴の“レベル”が上がる程、輪郭線のような
特徴を画像中から安定的に抽出することが困難となる。
これは、特徴の抽出、追跡といった２段階の処理構成を
とる以上、本質的に解決が困難である。また、Snakesに
おけるエネルギーの最小化では、基本的には初期値とし
て与えられた輪郭（Snakes) が収縮しながら抽出対象輪
郭に張りついていくように振る舞うため、追跡対象輪郭
が隣接フレーム間で大きく平行移動するような場合には
やはり適応困難である。また、その移動量が比較的小さ
い場合でも、追跡対象物体が複雑なテクスチュアを有し
ていたり、遮蔽エッジがあるような場合にはやはり適応
困難である。これはSnakesが初期値に大きく依存し、且
つ、Snakes自身が“軟らか”すぎることに起因してい
る。即ち、追跡処理の場合、追跡対象が剛体、非剛体に
関わらず、動画像系列の隣接２フレーム間でその移動量
が大きい場合でも、輪郭形状自身は極端に変形しないと
考えられる。従って、輪郭モデルをSnakesで用いられて
いるような柔軟なスプライン曲線ではなく、前フレーム
での形状をできるだけ、保存し得るような適当な“硬
さ”を持ったモデルとする必要がある。本発明は上記の
点に鑑みなされたもので、動画像系列から動物体輪郭を
安定的に抽出・追跡することができる動物体の輪郭追跡
方法を提供することを目的とする。
【０００５】
【課題を解決するための手段】濃淡画像で表された動画
像系列における動物体の輪郭追跡方法において、濃淡画
像の濃度値の差である濃度勾配を求め、濃度勾配よりポ
テンシャル場を生成し、弾性体として記述された輪郭モ
デルを定義し、前フレームでの追跡結果を初期値として
現フレーム画像のポテンシャル場で移動・変形させ、そ
の変形に伴う輪郭モデルの弾性エネルギーと輪郭モデル
が位置するポテンシャル場から導かれるポテンシャルエ
ネルギーの両者の和を最小にするように輪郭モデルを移
動させ、再配置する。
像系列における動物体の輪郭追跡方法において、濃淡画
像の濃度値の差である濃度勾配を求め、濃度勾配よりポ
テンシャル場を生成し、弾性体として記述された輪郭モ
デルを定義し、前フレームでの追跡結果を初期値として
現フレーム画像のポテンシャル場で移動・変形させ、そ
の変形に伴う輪郭モデルの弾性エネルギーと輪郭モデル
が位置するポテンシャル場から導かれるポテンシャルエ
ネルギーの両者の和を最小にするように輪郭モデルを移
動させ、再配置する。
【０００６】
【作用】本発明は基本的にはSnakesによる輪郭追跡と同
様に前フレームでの輪郭追跡が完了していることを前提
として、現フレームの輪郭追跡を実行するものである。
即ち、前フレームで追跡された輪郭を現フレームでの追
跡のための輪郭モデルとして利用する。初期フレーム
（第１フレーム）では追跡対象輪郭の極近傍にSnakesを
置き、輪郭抽出を行っておく。ここで、弾性体として記
述された輪郭モデルを定義し、この輪郭自身の変形に伴
う弾性エネルギーと追跡対象輪郭を含む画像の濃度勾配
から導かれるポテンシャルエネルギーの和を最小にする
ように輪郭モデルを移動・変形させることにより動物体
の追跡を実現している。これにより追跡対象物体内部の
テクスチャーや遮蔽エッジの影響を受け難くなる。
様に前フレームでの輪郭追跡が完了していることを前提
として、現フレームの輪郭追跡を実行するものである。
即ち、前フレームで追跡された輪郭を現フレームでの追
跡のための輪郭モデルとして利用する。初期フレーム
（第１フレーム）では追跡対象輪郭の極近傍にSnakesを
置き、輪郭抽出を行っておく。ここで、弾性体として記
述された輪郭モデルを定義し、この輪郭自身の変形に伴
う弾性エネルギーと追跡対象輪郭を含む画像の濃度勾配
から導かれるポテンシャルエネルギーの和を最小にする
ように輪郭モデルを移動・変形させることにより動物体
の追跡を実現している。これにより追跡対象物体内部の
テクスチャーや遮蔽エッジの影響を受け難くなる。
【０００７】
【実施例】図１は本発明の一実施例の構成を示す。本実
施例はポテンシャル場生成部１と最小エネルギー算出部
２の構成により実行される。先ず、ポテンシャル場生成
部１は以下のような３つの手順によりポテンシャル場を
生成する。 手順１：濃淡画像を微分オペレータにより画像の濃度勾
配を計算した後、この濃度勾配を閾値処理により２値化
する。これにより画像中のエッジに相当する領域の画素
値が“１”に、それ以外の領域の画素値が“０”とな
る。 手順２：手順１で得た２値画像の“０”、“１”を反転
させ、反転２値画像を生成する。 手順３：上記で得た反転２値画像の“１”画素領域に対
して距離変換を施す。 上記の手順により、エッジに近い領域ほど、画素の値が
小さくなり、（エッジ領域では０）疑似的なポテンシャ
ル場ｚが生成される（ステップ５）。
施例はポテンシャル場生成部１と最小エネルギー算出部
２の構成により実行される。先ず、ポテンシャル場生成
部１は以下のような３つの手順によりポテンシャル場を
生成する。 手順１：濃淡画像を微分オペレータにより画像の濃度勾
配を計算した後、この濃度勾配を閾値処理により２値化
する。これにより画像中のエッジに相当する領域の画素
値が“１”に、それ以外の領域の画素値が“０”とな
る。 手順２：手順１で得た２値画像の“０”、“１”を反転
させ、反転２値画像を生成する。 手順３：上記で得た反転２値画像の“１”画素領域に対
して距離変換を施す。 上記の手順により、エッジに近い領域ほど、画素の値が
小さくなり、（エッジ領域では０）疑似的なポテンシャ
ル場ｚが生成される（ステップ５）。
【０００８】図２は本発明の一実施例の原画像とそのポ
テンシャル場の生成例を示す。同図（Ａ）は原画像であ
り、（Ｂ）は原画像のポテンシャル場を表すものであ
る。次に最小エネルギー算出部２は輪郭モデルを以下の
式（１）に示すエネルギー関数Ｅtotal を最小とするよ
うに移動、変形させ再配置する。 Ｅtotal ＝Ｅelastic ＋Ｅfield （１） 式（１）において、Ｅelastic は輪郭モデル自身の変形
に伴う弾性エネルギーであり、Ｅfield は輪郭モデルの
ポテンシャルエネルギーである。図３は本発明の一実施
例の輪郭モデルの構成を示す図である。輪郭モデルは図
３に示すようなｎ個の制御点（Ｖi ，ｉ＝１，
２，．．．ｎ）をもつバネモデルで構成される。すべて
のバネ４１が自然長のときが、現フレームでの初期輪郭
に相当する。従って、輪郭モデルが変形を受ければ、各
辺の伸縮に比例する復元力ａ及び、隣接する２辺の挟角
４２の角度変化に比例した復元力ｂの両者から弾性エネ
ルギーが生じる。即ち、制御点Ｖi の位置ベクトルｖi
＝（ｘi ，ｙi ），ｉ＝１，２，．．．，ｎとし，辺ベ
クトルをｕi ＝ｖi+1 −ｖi とすると、弾性エネルギー
Ｅelastic は以下の式（２）に示すようになる。
テンシャル場の生成例を示す。同図（Ａ）は原画像であ
り、（Ｂ）は原画像のポテンシャル場を表すものであ
る。次に最小エネルギー算出部２は輪郭モデルを以下の
式（１）に示すエネルギー関数Ｅtotal を最小とするよ
うに移動、変形させ再配置する。 Ｅtotal ＝Ｅelastic ＋Ｅfield （１） 式（１）において、Ｅelastic は輪郭モデル自身の変形
に伴う弾性エネルギーであり、Ｅfield は輪郭モデルの
ポテンシャルエネルギーである。図３は本発明の一実施
例の輪郭モデルの構成を示す図である。輪郭モデルは図
３に示すようなｎ個の制御点（Ｖi ，ｉ＝１，
２，．．．ｎ）をもつバネモデルで構成される。すべて
のバネ４１が自然長のときが、現フレームでの初期輪郭
に相当する。従って、輪郭モデルが変形を受ければ、各
辺の伸縮に比例する復元力ａ及び、隣接する２辺の挟角
４２の角度変化に比例した復元力ｂの両者から弾性エネ
ルギーが生じる。即ち、制御点Ｖi の位置ベクトルｖi
＝（ｘi ，ｙi ），ｉ＝１，２，．．．，ｎとし，辺ベ
クトルをｕi ＝ｖi+1 −ｖi とすると、弾性エネルギー
Ｅelastic は以下の式（２）に示すようになる。
【数１】 ここで ang（ａ，ｂ）はベクトルａとｂとのなす角で、
その大きさ及び符号は各々、arccos（（ａ，ｂ）／｜ａ
｜｜ｂ｜）、（ａ×ｂ）／｜ａ×ｂ｜で計算される。さ
らに、ｕ i 0 は前フレームで追跡を完了した輪郭モデ
ル、即ち、現フレームにおける初期輪郭の辺ベクトルを
表す。μ1 ，μ2 は定数である。
その大きさ及び符号は各々、arccos（（ａ，ｂ）／｜ａ
｜｜ｂ｜）、（ａ×ｂ）／｜ａ×ｂ｜で計算される。さ
らに、ｕ i 0 は前フレームで追跡を完了した輪郭モデ
ル、即ち、現フレームにおける初期輪郭の辺ベクトルを
表す。μ1 ，μ2 は定数である。
【０００９】輪郭モデルの制御点ｖi を単位質量をもつ
質点とみなし、ポテンシャル場を重力場とみなすことに
より、輪郭モデルのポテンシャルエネルギーＥfield を
以下の式（３）で定義する。
質点とみなし、ポテンシャル場を重力場とみなすことに
より、輪郭モデルのポテンシャルエネルギーＥfield を
以下の式（３）で定義する。
【数２】 ここで、右辺第２、第３項は輪郭モデルの各制御点ｖi
ができるだけ等ポテンシャル場に位置するように設けた
ペナルティ関数である。μ3 ，μ4 は定数である。
ができるだけ等ポテンシャル場に位置するように設けた
ペナルティ関数である。μ3 ，μ4 は定数である。
【００１０】次にポテンシャルエネルギーの和の最小化
については、以下の式（４）により帰着する。
については、以下の式（４）により帰着する。
【数３】 これにより、この最適解（ｖ i * , ｉ＝１，２，．．．
ｎ）は“動的計画法によるactive contour エネルギー
の最小化”(1991 年電子情報通信学会春季全国大会、D-
554 ) に開示した方法を用いて求めることができる。
ｎ）は“動的計画法によるactive contour エネルギー
の最小化”(1991 年電子情報通信学会春季全国大会、D-
554 ) に開示した方法を用いて求めることができる。
【００１１】図４は本発明の一実施例の実動画像に適用
した結果を示す。図４（Ａ）は第２フレームの画像に、
第１フレームでの輪郭抽出結果（黒線）を重畳したもの
である。ブックエンドの内側のアーチ形状が追跡対象輪
郭である。この黒線で示した輪郭を初期値（初期輪郭）
としてSnakesを実行した結果の図が図４（Ｂ）である。
Snakesでは輪郭自身の弾性的制約がないため、追跡対象
輪郭に遮断エッジがあるような場合、その影響をまとも
に受け、追跡が困難となる。一方、本発明では、前フレ
ーム（第１フレーム）での形状をできるだけ保存するよ
うな弾性制約を弾性エネルギーとして付与しているの
で、同図（Ｃ）に示すように、遮蔽エッジがあっても安
定的に追跡が実現できる。
した結果を示す。図４（Ａ）は第２フレームの画像に、
第１フレームでの輪郭抽出結果（黒線）を重畳したもの
である。ブックエンドの内側のアーチ形状が追跡対象輪
郭である。この黒線で示した輪郭を初期値（初期輪郭）
としてSnakesを実行した結果の図が図４（Ｂ）である。
Snakesでは輪郭自身の弾性的制約がないため、追跡対象
輪郭に遮断エッジがあるような場合、その影響をまとも
に受け、追跡が困難となる。一方、本発明では、前フレ
ーム（第１フレーム）での形状をできるだけ保存するよ
うな弾性制約を弾性エネルギーとして付与しているの
で、同図（Ｃ）に示すように、遮蔽エッジがあっても安
定的に追跡が実現できる。
【００１２】
【発明の効果】本発明は動画像系列から動物体輪郭を安
定的に抽出、追跡する方法が存在しなかった。本発明で
述べた方法によれば、図４の（Ｃ）に示すように動物体
輪郭を安定的に抽出及び追跡が可能となり、動画像解析
における有用な道具となる。
定的に抽出、追跡する方法が存在しなかった。本発明で
述べた方法によれば、図４の（Ｃ）に示すように動物体
輪郭を安定的に抽出及び追跡が可能となり、動画像解析
における有用な道具となる。
【図１】本発明の一実施例の構成図である。
【図２】本発明の一実施例の原画像とそのポテンシャル
場の生成例を示す図（代用写真）である。
場の生成例を示す図（代用写真）である。
【図３】本発明の一実施例の輪郭モデルの構成を示す図
である。
である。
【図４】本発明の一実施例の実動画像に適用した結果を
示す図（代用写真）である。
示す図（代用写真）である。
１ ポテンシャル場生成部 ２ 最小エネルギー計算部 ３ 動画像 ４ 追跡結果
Claims (1)
- 【特許請求の範囲】 【請求項１】 濃淡画像で表された動画像系列における
動物体の輪郭追跡方法において、 該濃淡画像の濃度値の差である濃度勾配を求め、該濃度
勾配よりポテンシャル場を生成し、 弾性体として記述された輪郭モデルを定義し、前フレー
ムでの追跡結果を初期値として現フレーム画像の前記ポ
テンシャル場で移動・変形させ、その変形に伴う該輪郭
モデルの弾性エネルギーと該輪郭モデルが位置する前記
ポテンシャル場から導かれるポテンシャルエネルギーの
両者の和を最小にするように該輪郭モデルを移動させ、
再配置することを特徴とする動物体の輪郭追跡方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3190917A JPH0512443A (ja) | 1991-07-05 | 1991-07-05 | 動物体の輪郭追跡方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3190917A JPH0512443A (ja) | 1991-07-05 | 1991-07-05 | 動物体の輪郭追跡方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0512443A true JPH0512443A (ja) | 1993-01-22 |
Family
ID=16265857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3190917A Pending JPH0512443A (ja) | 1991-07-05 | 1991-07-05 | 動物体の輪郭追跡方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0512443A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07311849A (ja) * | 1994-01-14 | 1995-11-28 | Hughes Aircraft Co | 位置および方向評価神経ネットワークシステムおよび方法 |
| JPH07334690A (ja) * | 1994-06-14 | 1995-12-22 | Nec Corp | 物体の輪郭追跡方法 |
| US5706419A (en) * | 1995-02-24 | 1998-01-06 | Canon Kabushiki Kaisha | Image capturing and processing apparatus and image capturing and processing method |
| US6298155B1 (en) | 1997-07-31 | 2001-10-02 | Sony Corporation | Apparatus and method for generating time-series data, apparatus and method for editing curves and recording medium having program recorded thereon |
| JP2002056393A (ja) * | 2000-08-14 | 2002-02-20 | Canon Inc | 画像処理方法及び装置並びに記憶媒体 |
| JP2004508642A (ja) * | 2000-09-07 | 2004-03-18 | フランス テレコム | 基本オブジェクトに基づいてビデオ画像を分割する方法 |
| US6993157B1 (en) | 1999-05-18 | 2006-01-31 | Sanyo Electric Co., Ltd. | Dynamic image processing method and device and medium |
| GB2454712A (en) * | 2007-11-16 | 2009-05-20 | Snell & Wilcox Ltd | Image sequence processing methods based on image features with low spatial frequency energy |
-
1991
- 1991-07-05 JP JP3190917A patent/JPH0512443A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07311849A (ja) * | 1994-01-14 | 1995-11-28 | Hughes Aircraft Co | 位置および方向評価神経ネットワークシステムおよび方法 |
| JPH07334690A (ja) * | 1994-06-14 | 1995-12-22 | Nec Corp | 物体の輪郭追跡方法 |
| US5706419A (en) * | 1995-02-24 | 1998-01-06 | Canon Kabushiki Kaisha | Image capturing and processing apparatus and image capturing and processing method |
| US6298155B1 (en) | 1997-07-31 | 2001-10-02 | Sony Corporation | Apparatus and method for generating time-series data, apparatus and method for editing curves and recording medium having program recorded thereon |
| US6993157B1 (en) | 1999-05-18 | 2006-01-31 | Sanyo Electric Co., Ltd. | Dynamic image processing method and device and medium |
| JP2002056393A (ja) * | 2000-08-14 | 2002-02-20 | Canon Inc | 画像処理方法及び装置並びに記憶媒体 |
| JP2004508642A (ja) * | 2000-09-07 | 2004-03-18 | フランス テレコム | 基本オブジェクトに基づいてビデオ画像を分割する方法 |
| JP4813749B2 (ja) * | 2000-09-07 | 2011-11-09 | グラ コンサルティング リミテッド ライアビリティ カンパニー | 基本オブジェクトに基づいてビデオ画像を分割する方法 |
| GB2454712A (en) * | 2007-11-16 | 2009-05-20 | Snell & Wilcox Ltd | Image sequence processing methods based on image features with low spatial frequency energy |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bregler et al. | Turning to the masters: Motion capturing cartoons | |
| Torresani et al. | Tracking and modeling non-rigid objects with rank constraints | |
| Hager et al. | Efficient region tracking with parametric models of geometry and illumination | |
| Wu et al. | Image registration using wavelet-based motion model | |
| Hwang et al. | Reconstruction of partially damaged face images based on a morphable face model | |
| EP3751517B1 (en) | Fast articulated motion tracking | |
| Urtasun et al. | 3D human body tracking using deterministic temporal motion models | |
| Black et al. | Eigentracking: Robust matching and tracking of articulated objects using a view-based representation | |
| Bardinet et al. | Superquadrics and free-form deformations: A global model to fit and track 3D medical data | |
| Plaenkers et al. | Model-based silhouette extraction for accurate people tracking | |
| CN115909483B (zh) | 一种视频人体姿态估计方法及装置 | |
| CN111968208A (zh) | 一种基于人体软组织网格模型的人体动画合成方法 | |
| JPH0512443A (ja) | 動物体の輪郭追跡方法 | |
| Szeliski et al. | Physically based and probabilistic models for computer vision | |
| Rehg et al. | Ambiguities in visual tracking of articulated objects using two-and three-dimensional models | |
| CN117894072A (zh) | 一种基于扩散模型的手部检测和三维姿态估计方法及系统 | |
| CN116391208A (zh) | 使用场景流估计的非刚性3d物体建模 | |
| Shen et al. | Hmr-adapter: A lightweight adapter with dual-path cross augmentation for expressive human mesh recovery | |
| CN103093211A (zh) | 基于深度核信息图像特征的人体运动跟踪方法 | |
| Lengagne et al. | Using crest lines to guide surface reconstruction from stereo | |
| Metaxas et al. | Elastically adaptive deformable models | |
| Meng et al. | Lucas-Kanade optical flow based camera motion estimation approach | |
| Malciu et al. | Tracking facial features in video sequences using a deformable-model-based approach | |
| JPH07334690A (ja) | 物体の輪郭追跡方法 | |
| Sung et al. | Extension of AAM with 3D shape model for facial shape tracking |