1、“.....而基于单目视频的人体运动跟踪使用简单应用场合广泛等优点使得该技术具有极大的吸引力。基于视频的人体骨架提取与应用在人体步态分析中，最有效的特征之就是人体骨架，经常应用于目标对象的描述与识别中。在年等学者提出了中轴这概念在年等人又提出了基于火烧草模型的骨架提取方法。火烧草模型提出后，各种各样的骨架提取算法相继被提出。在年以为主等人提出基于哈密尔顿原理的哈密尔顿雅各比骨架,同年学者等人提出基于水平集的连续骨架提取算法,第二年学者等人提出基于正方形格子的骨架点判定方,年学者赵春江等人提出了种关于二值图像的鲁棒性骨架提取算法,在年学者刘文予等人提出基于边界曲线演化模型的生长骨架算法,年学者白翔等人提出基于离散曲线演化的轮廓分割的骨架修剪方法。同年白翔等人提出离散骨架进化方法,年学者等人提出基于无线传感器网络的连通骨架提取方法......”。

2、“.....总结起来有几大方面步态识别姿态估计以及虚拟动画产品上的应用。在计算机视觉领域,步态识别是指在视频序列中自动提取表征人步行特征的视觉线索以达到鉴别人的身份的目的。根据目前所掌握的文献资料分析看出，步态识别方面的研究虽然起步早研究人员多。但是目前的研究还只是处于初级阶段,识别算法并不完善，还只是基于受限的实验室条件或些简单的假设。姿态估计是指从输入的图像序列中推测人体各个部分的姿态参数，如身体各个部分在三维空间中的位置或者身体各个关节之间的夹角。通过这些姿态参数可以在三维空间中重建人体的运动。动作识别是指从图像序列中提取各种运动和表观特征，通过分类器判断人的动作类别，为整个场景的语义理解奠定基础。人体运动分析在虚拟动画产品上的应用多数体现在虚拟试衣等产品的开发和动画合成制作上。人体骨架在动画制作上的发展与应用目前,在数字化的视频分析处理及制作过程中,等商业软件得到广泛应用......”。

3、“.....这些制作软件存在着智能型较低需要大量人工手动操作等弊端。根据对动画制作专业人士调查显示，动画的制作多是由动画工程师利用或软件帧帧完成的，没有任何快速连贯的动画制作方式。动画相对动画而言简便些，可以利用或软件中骨骼绑定蒙皮渲染这系列过程来实现动画制作。虽然不需要帧帧来制作，但是骨骼绑定和蒙皮过程是需要对每根线条进行确认的，也属于繁琐重复性的工作。因此，研究基于视频的运动人体骨架模型的提取,识别,及个性化的步态协同可以改善现有视频动画的制作工艺，对节约人力资源提高制作效率具有重要意义。年我国庄越挺等学者提出了种基于视频的人体动画骨架提取技术，针对传统人体动画技术的不足提出来基于视频图像自动生成人体骨骼并应用于动画的思想。年罗忠祥庄越挺等学者又提出了提出了新的基于视频的人体动画技术,从视频中捕获人体运动,然后将编辑处理后的运动重定向到动画角色,产生满足动画师要求的动画片......”。

4、“.....通过这种方法,动画师能够利用现存的人体运动数据去创造新的动画。年吴伟和学者等人对现有的动画生成方法存在手工操作繁琐，模型姿态受局限等问题提出了新的解决方案。课题研究内容本课题着重于在视频人体骨架提取的基础上对个性化的步态协同进行研究，包含以下几个方面步态检测就是步态检测是在图像序列中将人体步态轮廓区域从背景图像中提取出来。步态检测方法主要包括运动背景估计运动目标检测以及形态学处理等。有效的对步态轮廓区进行分割对于步态特征提取人体特征分类等后续处理步骤非常重要。步态检测的前期为视频预处理部分，包括对视频流降噪二值化等。后期处理过程只考虑到目标图像中所对应的轮廓区域的像素。步态表征指的是应用些手段和步态算法提取要检测的人体特征点信息来表示目标人体的步态运动，这个过程可以称为步态特征的提取......”。

5、“.....步态协同属于基于视频的人体骨架提取的种应用。所有姿态的协同运动都可以看成是相应关节点的协同运动，若把步态目标骨架的特征点信息与静态动画人物进行相应特征点上的姿态联动，便可以达到骨架驱动的步态协中的库函数对处理后的二值图像进行轮廓的检测以及提取。效果图如图所示。图目标人体步态轮廓小结本章节通过对彩色视频图像进行序列化处理灰度图像转化正则滤波降噪帧差法确定背景模型背景差分法定义运动图像区域形态学处理等步骤，最终清晰准确地定义了目标人体步态轮廓。主副骨架相结合的目标人体骨架提取引言在数学形态学及图像处理领域中，骨架作为种降维描述人体姿态的方式，被广泛应用于人体运动分析人体姿态估计人体跟踪等方面。常见的骨架提取方法有星形骨架法中轴变换法区域法细化法。在本章中，将简要的介绍常见的几种目标骨架提取方法，并提出带膝关节的星形人体骨架模型......”。

6、“.....台阶模型斜坡模型屋顶边缘模型骨骼是三维物体的维表示，它可以利用较少的数据来表征物体的几何和拓扑特征。人体骨架建模是人体运动分析生成系统中个十分重要的环节，后期运动控制需要利用角色骨架中的关节点即特征点控制人体进行运动，所以骨架的优劣直接影响了人体动作的准确度和真实度。中轴变换法是由于年定义出来的，中轴变换是描述物体形状骨架最为常见的方法，中轴可以认为是精确定义的骨架。寻找边界的的区域的的方法是，对中的每个点，找到它在上最接近的邻点。如果有多于个这样的邻点，就认为属于的中轴骨架。最接近和得到的这个概念取决于距离的定义。图显示了使用欧式距离的些例子。图简单区域的中轴虚线年基于最大球概念给出了个更为正式的定义对于集合，内的球二维下是个圆盘称为最大的充要条件是不存在内的其他球包含，即......”。

7、“.....尽管区域的能生成较为合适的骨架，但直接实现这定义需要大量计算，这样会在图像处理中浪费很多不必要的时间，其中主要部分冗杂的计算就是计算区域的每个内部点到其边界点的距离。现如今，基于典型中轴骨架的大量改进效率的算法也陆续被专家学者提出。区域法是由和提出的，根据人体轮廓结构的近似的特性的种人体轮廓标记区域，更好地识别和标记人体部位。区域，是指两条反向的平行线构成的条矩形区域。将检测到的运动人体区域大体上看成由头部上肢下肢躯干等几个部位组成。这些检测到的身体部位均可以用区域做近似的标定。图所示利用六个区域组成的人体模型。图人体模型的区域区域提取大致可以分为两个步骤根据人体区域轮廓上点的链码方向变化，提取出待筛选的转折点然后将其中的转折点用直线段拟合，去除多余的转折点，即完成轮廓的矢量化。对区域的检测和筛选来确定身体的各个部位以及身体的各个部位的特征关键点。将区域确定后......”。

8、“.....图所示为两个反向箭头平行线组成的区域，虚线表示这个区域的中线。以此类推可以求出所有区域的中线，进而得到人体骨架。不足之处在于算法计算量较大，意在划分人体部分区域，而对特征点的提取效果并不理想。图区域特征点的提取带膝关节的星形人体骨架模型在基于骨架的人体运动理解分析研究中，得到理想的物体骨架具有重要的意义。理想的骨架是可以在降低维度精简数据信息的同时，准确地描述目标特征结构，并降低后期分析处理的复杂度。本文结合理想骨架的要点，基于步态协同分析研究的目的，提出了带膝关节的星形人体骨架模型。其骨架模型有主骨架和副骨架组成。主骨架带膝关节的星形人体骨架模型中，其主骨架是基于星形骨架算法提出的。星形骨架具有模型简单计算方便特征点明确的特点，很符合理想骨架中对数据信息精简度的定义以及骨架提取效率的要求。将星形骨架模型作为带膝关节的星形人体骨架模型的主骨架，奠定了新型骨架模型精简的基础......”。

9、“.....首先根据公式计算出人体轮廓所围成的区域中心，即目标人体重心，然后利用公式计算出人体轮廓上每个像素点到人体重心的欧氏距离其中是人体区域边界点的总个数，,是目标边界上的点。最后定义离散函数，利用库函数获取的局部极大值作为极值点。把这些点和重心连接起来，就构成了星形骨架。提取效果如图所示。图星形骨架提取效果图星形骨架虽然原理简单，但是提取出来的骨架效果显得十分的生硬，有点过于强求。如图，骨架图像中没有显示人体的关节点如膝关节，而膝关节正是描述人体运动方式走路跑步运动特征如步长的重要特征信息，单靠四肢关节点是无法显示人体姿态的。这也正是无法单独选取精简快速的星形骨架作为目标人体分析骨架的重要原因。副骨架为了弥补主骨架特征点信息量的不足，在带膝关节的星形人体骨架模型中提出利用细化法生成目标人体骨架，结合其提取出的膝关节点作为副骨架，与主骨架相结合描述目标人体运动姿态的方法......”。