基于正交匹配追踪及加速近端梯度的人体三维重建

摘要：

为提高人体三维结构的重建精度,针对重建过程中字典中原子的最佳选择和结构矩阵的优化问题,结合稀疏表示和低秩约束,提出一种正交匹配追踪追踪及加速近端梯度(OMP-APG)算法,以此为医学领域提供丰富的信息,以辅助医生快速精确地制定出治疗方案.首先,对特征点观测矩阵进行奇异值分解(SVD)分解,利用列文伯格-马夸尔特(LM)算法得到唯一确定的相机旋转矩阵;其次,利用稀疏表示中“最大化逼近”思想,通过正交匹配追踪算法对轨迹基系数进行求解,结合预定义的轨迹基求解出人体三维结构矩阵;最后,根据结构矩阵是一个低秩矩阵,将其秩优化问题转化为核范数最小化问题,利用加速近端梯度算法对人体结构矩阵进一步优化处理.将该算法与稀疏逼近算法进行比较,对伸懒腰、瑜伽、拾物、喝水和跳舞等5组不同的人体运动模型进行三维重建,通过其三维重建效果图和三维重建误差的结果显示,其重建精度更高且稳定性更好.在该算法下喝水运动的重建效果最佳,其1 102帧图像序列41个特征点的重建误差为0.030 3,而在稀疏算法下的重建误差为0.017 8.因此,该算法可以有效地提高人体三维结构的重建精度,为医学领域辅助治疗提供相应的技术支持.

关键词：三维重建、人体运动重建、稀疏表示、加速近端梯度

所属期刊栏目：36

分类号：R318(医用一般科学)

资助基金：国家自然科学基金项目61672466;浙江省自然科学基金LZ15F020004,LY1720034;浙江理工大学521项目

在线出版日期：2017-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：385-393