A Huge amount of human activities and motions are recorded in a single sequence of uncalibrated video images. In this thesis, we present a method for reconstructing the 3D human motions with respect to 2D motion information contained in a single video stream. 2D information is formed as a sequence of 2D position set and acquired by interactive marking.
The reconstruction process can be formulated as an inverse kinematics problem. We model a human body as a non-linear dynamic system and adopt a extended Kalman filter as a inverse kinematics solver so as to resolve depth ambiguity. Our Kalman filter tracks the joint motion spanning entire orientation space by parameterizing the orientations incrementally with rotation vector. We augment the measurement model with the angle-bound constraints prevent infeasible motions. To avoid singularities which arise in inverse kinematics problem, the analyses on the Singularity-Robust inverse are adapted to make the Kalman filter avoid singular states.
사람의 동작 정보는 대부분 단일 카메라에 의해 동영상의 형태로 저장된다. 본 논문에서는 단일 카메라에서 얻은 동영상에 담긴 사람과 같은 다관절체의 이차원 동작 정보를 이용하여 삼차원 동작을 재구성하는 방법을 제시한다. 동작 재구성을 위해 사용된 이차원 정보는 대화적으로 지정된 이차원 위치 집합의 연속이다.
재구성 과정은 역운동학 문제로 조직할 수 있다. 본 연구에서는 이차원 정보의 깊이 모호성을 고려, 신체를 비선형 역학 시스템으로 모델링하고 전체 삼차원 회전 공간을 추적할 수 있도록 설계한 확장형 칼만 필터를 도입하여 역운동학 문제를 해결한다. 또한 신체가 취할 수 있는 바람직한 동작을 추적하기 위해 관절각 제약을 칼만 필터에 첨가하는 방법을 제시한다. 역운동학 문제 해결시 발생하는 특이성을 피하기 위해 고안된 특이성 안정 역 이론을 칼만 필터에 적용하고, 안정된 추적을 보장하는 조건을 제시한다.
