基于顺序免疫遗传算法的关节运动跟踪

我们将人体运动跟踪公式化为高维约束优化问题。 在进化计算的框架下，提出了一种新的用于人体运动跟踪的生成方法。 主要的贡献是我们引入了免疫遗传算法（IGA）来优化人体运动的潜在空间中的姿势。 首先，我们在学习到的人体运动潜在空间中进行人体运动分析。 由于潜在空间的维数较低，并且包含人体运动的先验知识，因此它使姿势分析更加有效和准确。 然后，在搜索策略中，我们将IGA应用于姿势优化。 与遗传算法和其他进化方法相比，它的主要优势是能够利用人类运动的先验知识。 我们设计了一种基于IGA的方法来从静态图像估计人体姿势，以进行运动跟踪的初始化。 通过将时间连续性信息整合到传统的IGA中，我们提出了一种用于运动跟踪的顺序IGA（S-IGA）算法。 在不同运动类型的不同视频上的实验结果表明，我们基于IGA的姿态估计方法可用于运动跟踪的初始化。 基于S-IGA的运动跟踪方法可以实现对3D人体运动的准确和稳定的跟踪。