导　　师： 李桂清

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 随着传感技术的进步,各类动态数据获取变得越来越容易.对这些动态数据的分析与理解逐渐成为研究的热点.本文研究动态数据分割及其应用,具体内容包括动画点云中的近似刚性块共分割,图像视频中的运动目标分割,以及一个基于视频运动物体分割的飞行物体定格帧动画制作框架.首先,提出一种从局部到全局的方法,分析出点云序列中的刚性块,从而得到运动序列的刚性块共分割.利用J-linkage投票方法对短轨迹进行刚性运动聚类,从而获得单帧的刚性块分割;接着,对每帧的刚性块信息进行双向传播,实现分割的帧间一致性;最后,使用一种新的基于时空的分割块组合技术来合并传播过后造成的过分割块,从而在整个带关节的点云序列上形成一个紧凑的、全局性的一致共分割.其次,基于全卷积神经网络运动视频分割方法,构造了一个面向特定应用的视频中人体手部区域检测与精细分割方法.利用手工标注好的手分割数据集来训练一个全卷积神经网络(Fully convolutional networks,FCNs),利用该网络可大致分割出手部区域区域,然后本文引入一个条件随机场模块来建立图像中相邻像素之间的相似关系,从而获得手部区域的细分割.最后,作为视频中手部区域分割的应用,我们提出了一个飞行物体定格动画制作框架.动画师手动地操控物体生成动画序时,要在关键姿态时刻进行手交换操作;然后,自动地分割出视频中的手交换事件片段,并在每个事件中自动地抽取出手区域互不遮挡的一个关键帧对;最后,采用基于光流的传播方式自动地用为每个关键帧对生成一个关键帧.本文通过大量实验对所提出的算法进行了详细的评估与验证,对分割精度作了全面的评估.实验表明,动态点云刚性块共分割算法能够鲁棒地处理各种低质量、带遮挡以及视角变化较大的扫描数据;改进的FCNs手部区域�

关 键 词： 分割 视频 点云序列 定格帧动画 深度学习

领　　域： []