隨著 3D 攝影機技術的進步,在一般大眾生活當中已逐漸融入 3D 體感元素,人與機器間的非接觸式互動 (Human Computer Interaction) 變成熱門的研究重點。 本論文的研究在使用一台深度攝影機 Microsoft Kinect 進行影像拍攝,利用使用者的深度影像資料與彩色影像資料建立出使用者初始校正姿態的骨架模型並進行後續姿態追蹤。多數的人體骨架定位系統,使用者須要擺出一個特定校正姿態以套合事先建立好的模型,而本論文則提出一個非固定姿態的骨架關節點定位方法,讓使用者能更輕鬆的進行骨架套合,在骨架追蹤方面,本論文使用動態規劃法來進行最佳化的演算,藉由多階段的拓樸計算架構,考慮各關節候選點的輪廓邊緣特性及關節候選點間(即肢幹)的各項特徵,形成節點 (node) 與連線 (edge) 的成本函數,可成功地追蹤人體在合理姿態下的運動。 對於一般使用者來說,我們所提出的骨架校正定位方法相較於固定姿態校正能夠更快達到初始骨架校正的目的,在骨架追蹤方面也都能追蹤到使用者的基本動作,本系統的骨架追蹤處理速度約為 24 ~ 26 frame/sec。
隨著 3D 攝影機技術的進步,在一般大眾生活當中已逐漸融入 3D 體感元素,人與機器間的非接觸式互動 (Human Computer Interaction) 變成熱門的研究重點。 本論文的研究在使用一台深度攝影機 Microsoft Kinect 進行影像拍攝,利用使用者的深度影像資料與彩色影像資料建立出使用者初始校正姿態的骨架模型並進行後續姿態追蹤。多數的人體骨架定位系統,使用者須要擺出一個特定校正姿態以套合事先建立好的模型,而本論文則提出一個非固定姿態的骨架關節點定位方法,讓使用者能更輕鬆的進行骨架套合,在骨架追蹤方面,本論文使用動態規劃法來進行最佳化的演算,藉由多階段的拓樸計算架構,考慮各關節候選點的輪廓邊緣特性及關節候選點間(即肢幹)的各項特徵,形成節點 (node) 與連線 (edge) 的成本函數,可成功地追蹤人體在合理姿態下的運動。 對於一般使用者來說,我們所提出的骨架校正定位方法相較於固定姿態校正能夠更快達到初始骨架校正的目的,在骨架追蹤方面也都能追蹤到使用者的基本動作,本系統的骨架追蹤處理速度約為 24 ~ 26 frame/sec。