С непосредственным использованием модели. В особо сложных случаях, например, при анализе мимики лица человека, необходимо создание очень детальной и удобной в использовании модели. Обработка такого рода движений сейчас вызывает особенно высокий интерес разработчиков диагностической аппаратуры и крупных студий, занимающихся компьютерной графикой.
Рассмотрим подробнее наиболее сложный вариант архитектуры данной подзадачи – вариант с использованием активной модели.
Во-первых, все реализации систем рассматриваемого типа можно разделить на автоматические и мануальные. В автоматических система сама должна исследовать результат простого применения данных трекинга к модели, а затем решать, возможно ли существование такой позы объекта, были ли ошибки при определении ключевых областей, соответствует ли такая поза объекта его предыдущему характеру движения. Если система обнаруживает какие-либо ошибки или несоответствия, она должна сама принимать решения о том, каким образом можно корректно исправить данные. В случае мануальной системы суждение о корректности полученных данных предоставляется пользователю и он сам должен вносить соответствующие изменения в случае визуального несоответствия данных предполагаемому характеру движения объекта.
В мануальных системах главной задачей является организация удобного и эффективного интерфейса пользователя. Должна присутствовать процедура визуализации данных, чтобы обеспечить наглядность. Также должна присутствовать удобная интерактивная система внесения изменений.
В автоматических же системах могут присутствовать процедуры интерфейса пользователя, но основной задачей является проектирование высокоинтеллектуальной подсистемы анализа данных. Система должна быть настолько отлаженной, чтобы обеспечивать возможность ее использования в задачах, которые вообще не предусматривают визуального контроля пользователем.
7. Распознавание действия
Это завершающая фаза работы системы, как анализатора, за ней следует непосредственно ответная реакция системы, если таковая предусмотрена.
Распознавание действия, как и распознавание формы, может быть реализовано с использованием статических или динамических данных.
Системы, которые распознают действия объекта по статическим данным, просто сравнивают вычисленную на предыдущем этапе позу объекта с хранящимися в системе шаблонами. Такие системы обычно распознают только очень простые действия. Они могут сказать, что человек сидит, стоит, указывает на что-то. Но не смогут определить, подпрыгнул человек или падает с какой-то высоты.
Системы динамического распознавания действия работают уже с некоторой последовательностью данных распознавателя формы, и поэтому могут узнавать сложные действия. Большая часть таких систем может распознавать только идет человек или стоит, такие распознаватели считаются низкоуровневыми. Если же система может достоверно распознать такие действия, как перенос объектов, бег, контролирующие действия, элементы танца, то это система высокого уровня.
Как статические, так и динамические системы, на конечном этапе своей работы сравнивают действие объекта, которое они получили, с шаблонами, которые хранятся в их памяти. И делают заключение о сходстве с одним из таких шаблонов.
Алгоритм работы статических систем обычно не накладывает особых требований на реализацию предыдущего этапа анализа. Однако динамические системы распознавания действия могу пользоваться такими данными, как, например, состояние каких-то отдельных мышц тела человека. В таких случаях распознавание формы должно быть реализовано соответствующим образом.
8. Реакция системы
Когда все действия связанные с анализом завершены и система имеет шаблон действия объекта, остается только одно: выбрать соответствующую для данного шаблона реакцию и отреагировать. Реакция системы полностью зависит от ее реализации. Это может быть изменение положения графитовых стержней в системе управления ядерным реактором, отчет о состоянии пациента в медицинском оборудовании, перенос данных на компьютерную модель и ее визуализация в компьютерной графике.
9. Некоторые существующие системы захвата движения
Лидерами в отрасли являются фирмы Vicon, Acty, Advanced Mechanical Technology, DKH, Gsport, Motion Analysis, Peak Performance, PhaseSpace, Phoenix Technologies, Polhemus, Gypsy и Qualisys. Недавно компания Vicon сообщила о том, что оптическая система оцифровки движений персонажа Vicon 8, наряду с аналогичными системами других разработчиков была подвергнута независимому тестированию на международном форуме Clinical Gait Analysis Forum в Японии. В результате проведенных тестов, система Vicon 8 показала наилучшие по скорости обработки и точности полученного материала результаты.
Vicon 8i это второе поколение семейства V8 – первой системы захвата движения созданной специально для анимации компьютерных персонажей. Система основана на пассивных датчиках и маркерах для обозначения ключевых областей.
Система оптимизирована для работы с большими объемами данных, может производить захват движения для нескольких актеров. Поддерживает работу с 24 камерами, так же есть возможность работы в режиме реального времени.
Система не накладывает ограничение на количество маркеров расположенных на модели. Обычно используется около 120 маркеров. Но возможно использование до 400 маркеров в автономном режиме.
Необходим определенный уровень качества входных данных, чтобы определять движение актера и избежать неавтоматическую обработку данных (например, если какой-то из маркеров не будет выделен, оператору систему будет нужно указать его положение в ручном режиме). В качестве источников информации применяются разработанные фирмой камеры Vicon Mcam2.
Основные свойства камеры Vicon Mcam2:
• Увеличивает активную область действия
• 1.3 миллиона пикселей – больше точность, больше детализация
• 1000 кадров в секунду – более быстрые движения, больше нюансов, истинная красота движения в высокой скорости
• способность легко различать соприкасающиеся маркеры, даже на расстоянии порядка 25 метров от камеры.
• Можно использовать меньшие маркеры – захват полного тела, лица, руки, все одновременно. Только камеры MCam2 способны точно обнаружить позицию маленьких (4mm) маркеров на расстояниях больше чем 10 метров
• Сокращение последующей обработки благодаря повышенному качеству данных
Оборудование с такими характеристиками позволяет добиваться высокого качества обработки таких видов движения как взмах клинка, удар по мячу в гольфе, приемы каратэ.
Вместе с оборудованием поставляется и пакет программного обеспечения, который состоит из следующих программных продуктов:
• Vicon IQ
Обеспечивает процесс обработки потока данных, улучшая его за счет использования элементов искусственного интеллекта. Расширяет все преимущества от оптического захвата движения. Проводит распознавание движения нескольких актеров. Решает проблему «исчезнувших» маркеров. При необходимости проводит аппроксимацию движения.
• Vicon Workstation
Данный программный продукт является «сердцем» системы. Проводит полный цикл обработки захвата движения от выделения маркеров до 3D моделирования.
• Vicon Realtime
Специализированный программный продукт, который оптимизирует обработку информации и представления ее в режиме реального времени.
• Vicon BodyBuilder
Приложение, которое позволяет создавать и анализировать кинематическую модель скелета. Разработан собственный язык описания скелета. Который позволяет избавиться от сложной векторной алгебры для описания трехмерного движения и перевести его в обычный скриптовый язык.
Система захвата движения Gypsy Motion Capture System предлагает альтернативный способ захвата движения. Патентованная электромеханическая система, состоит из скелета, сделанного из легких алюминиевых стержней, которые следуют за движением актера, и датчиков. За счет движения изменяется сопротивление, которое детектируется с помощью потенциометров. Чтобы вычислить угол поворота бедер используется гироскоп (установленный на бедрах). Данные из аналоговой формы преобразуются в цифровую форму и обрабатываются на компьютере в специализированном программном обеспечении.
10. Описание съёмок
Перед самым началом съемочного сета камеры калибруются. Для этого используются специальные калибровочные палочки. Процесс калибровки помогает камерам определить свое положение в пространстве относительно друг друга, а также узнать, где находится пол. С истечением времени в данных калибровки появляется погрешность, и требуется повторная калибровка.
После того, как система откалибрована, а актер обвешен маркерами, необходимо откалибровать его. Для этого под прицелом камер ему необходимо сделать ROM (Range of Motion), согласно данным которого в программе Vicon IQ появляется субъект. Пока оператор системы занимается обработкой этого субъекта, постановщик объясняет актеру какие движения будут отыграны в данном сете, актер готовится, репетирует.
Запись ведется в формат X2d, который проходит обработку в Vicon IQ.
Дополнительные предметы, которые используются актерами в анимациях также обвешены маркерами. Опираясь на эти маркеры, можно отследить движение предмета в Motion Builder, и получить на выходе релистичную его анимацию.
Выходные данные могут иметь формат TRC, FBX, BVH.
TRC формат несет в себе данные о движениях маркеров, а также при обработке в Motion Builder предоставляет ряд инструментов для улучшения качества (заливка гапов, фильтрование).
FBX формат может иметь разные воплощения:
Файл может включать в себя данные наподобие TRC формата, только без возможности доработки маркеров, а может включать и полностью анимированную модель, или несколько моделей.
Фильмбокс формат с легкостью импортируется в 3D studio MAX, Maya на простые кости.
BVH формат используется нами исключительно только для экспорта мокап данных на скелет анимационного модуля Character Studio для 3D studio MAX.
Отснятые в сете движения проходят обработку в Vicon IQ. Там маркеры обретают трехмерность, заливаются гапы, фильтруются. Программа Vicon IQ позволяет рассчитать кинематическую модель персонажа, а также провести довольно точное автоматическое распознавание частей тела актера при чистых данных. Если маркеры актера часто перекрываются, то необходима ручная доводка данных, автоматической обработки в данном случае недостаточно.
Список использованных материалов
В реферате использовались материалы с сайтов:
http://www.deria.ru
http://www.3domen.com
http://www.render.ru
http://ru.wikipedia.org