1.
Introduction
Dalam tulisan ini, kami menyajikan sebuah sistem pengejaran gerak manusia
berbasis visi baru, yang menggunakan dua Kinect yang berjalan bersamaan untuk
memindai subjek yang sama guna memperbaiki stabilitas. Pertama, penyebab
kebisingan dan ketidakstabilan sistem Kinect tunggal dianalisis. Kemudian kami
mengenalkan metode yang sangat sederhana namun efektif untuk mengkalibrasi dua
Kinect. Karena penginderaan kedalaman Kinect didasarkan pada pancaran pola
inframerah, dua Kinektor harus ditempatkan dengan sudut 1800 satu sama lain
untuk mengurangi kesalahan interferensi yang disebabkan oleh bidang pandang yang
tumpang tindih. Dua Kinects menangkap gerakan dari subjek yang sama
menghasilkan dua set data, masing-masing mewakili gerakan dari sudut tertentu.
Kami mengusulkan sebuah algoritma fusi dengan data redundan untuk menebus
bagian yang terhambat tanpa melakukan estimasi atau aproksimasi pos dan
menstabilkan sistem juga. Percobaan memvalidasi keefektifan pendekatan yang
diusulkan untuk mengatasi kebisingan dan masalah oklusi.
2.
Kinect And Its Stability Analysis
Sensor Kinect
menggabungkan beberapa perangkat penginderaan jauh. Ini berisi sensor
kedalaman, sensor kedalaman, dan rangkaian empat mikrofon yang memberikan
kemampuan menangkap gerak tubuh 3D penuh dan kemampuan pengenalan suara. Kami
terutama tertarik pada aspek penglihatan dari sensor Kinect. Gambar 2
menunjukkan susunan proyektor inframerah (inframerah), kamera warna, dan kamera
infra merah. Sensor kedalaman terdiri dari proyektor IR yang dipadukan dengan
kamera IR, yang merupakan sensor semikonduktor oksida logam monokrom
komplementer (CMOS). Proyektor inframerah menghasilkan pola konstan dan kamera
IR mengukur perbedaan antara pola yang diamati dan gambar yang telah direkam
sebelumnya pada kedalaman konstan yang diketahui. Keluaran terdiri dari citra
nilai disparitas skala. Lebih khusus lagi, sensor Kinect mampu memberikan
pelacakan skeletal. Alih-alih menentukan secara langsung pancaran tubuh di
ruang berdimensi tinggi, Kinect menggunakan perpixel, pengenalan bagian tubuh
sebagai langkah perantara untuk menghindari pencarian kombinatorial pada sendi
tubuh yang berbeda. Dalam pelacakan skeletal, tubuh manusia ditunjukkan oleh
sejumlah sendi yang mewakili bagian tubuh seperti kepala, leher, bahu dan
lengan. Setiap sendi diwakili oleh koordinat 3D-nya. Dengan semua parameter 3D
sendi ini ditentukan, pelacakan gerak manusia menjadi tugas yang kurang
menantang.
3.
Calibration
And Relative Position
Untuk merekonstruksi sebuah adegan dari dua kamera
kedalaman Kinect, sistem harus dikalibrasi. Ini termasuk kalibrasi internal
setiap Kinect serta kalibrasi pose relatif antara Kinect. Sedangkan kalibrasi
sensor kedalaman masih harus menjadi tugas yang cukup menantang. Dari Gambar 2
kita dapat menemukan bahwa kamera IR dan RGB hanya dipisahkan oleh garis dasar
kecil. Menunjukkan bahwa komponen rotasi transform antara kamera IR dan kamera
RGB sangat kecil sehingga hampir bisa terbengkalai. Oleh karena itu, kita
kira-kira bisa berasumsi bahwa kamera IR dan RGB berada dalam koordinat dunia
yang sama. Dengan memanfaatkannya, kita bisa mendapatkan transformasi kaku antara
dua kamera IR dengan mengkalibrasi dua kamera RGB yang jelas jauh lebih mudah.
4.
Data Process
Seperti yang dijelaskan di Sec. II, posisi relatif sendi
rangka antara frame yang berdekatan kadang jitter atau loncat karena noise.
Jadi sebelum operasi lebih lanjut kerangka kerangka harus dihaluskan dengan
menggunakan saringan. Kerangka kerangka disediakan oleh 30 frame per detik,
yang jelas merupakan data deret waktu dengan tren. Dalam situasi ini, pemulusan
eksponensial ganda atau eksponensial orde kedua biasanya diadopsi. Ide dasar
dibalik pemulusan eksponensial ganda adalah mengenalkan sebuah istilah untuk
memperhitungkan kemungkinan sebuah seri yang menunjukkan beberapa bentuk tren.
Komponen kemiringan ini sendiri diperbarui melalui smoothing eksponensial. Kami
menggunakan salah satu metode pemulusan eksponensial ganda, yang kadang-kadang
disebut sebagai pemulusan eksponensial Holt-Winter [16], untuk memberikan
perataan dengan latensi lebih sedikit daripada algoritma penyaring smoothing
lainnya. Ini bekerja seperti perataan sederhana kecuali dua komponen harus
diperbarui setiap periode: tingkat dan tren. Tingkat adalah perkiraan nilai
data yang merapikan pada akhir setiap periode. Tren ini merupakan perkiraan
rata-rata pertumbuhan rata-rata pada akhir setiap periode.
5. Experiments
Untuk memverifikasi keakuratan sistem kami, kami
membandingkan sistem kami dengan tingkat
sudut
digital yang mengukur sudut dengan cepat dan mudah dengan akurasi yang luar
biasa dengan mengukur sudut sendi pinggul kiri saat berjalan. Pada Gambar 5,
kurva melintang hijau menunjukkan variasi
sudut yang diukur dengan tingkat sudut digital, dan kurva solid biru menunjukkan variasi sudut yang diukur oleh sistem
Dual-Kinect. Perubahan Tren dua kurva hampir
identik yang periodik dan mulus. Tapi masih ada beberapa kesalahan, diperkirakan rata-rata 10%. Biasanya kesalahan pengukuran
Kinect tunggal adalah sekitar 5% yang
kurang
dari nilai kita. Kesalahan mungkin datang
dari
prosedur kalibrasi dan kesimpulan inframerah dengan perkiraan terbaik kami.
6. Conclusions
And Future Work
Makalah ini memperkenalkan metode berbasis visi baru
untuk menangkap gerakan manusia menggunakan dua Kinect yang berjalan bersamaan.
Dibandingkan metode tradisional yang hanya menggunakan satu Kinect, pendekatan
kami dapat membantu menghindari masalah kebisingan dan oklusi untuk
menstabilkan sistem dan mengeluarkan kemungkinan kondisi aplikasinya. Pekerjaan
kami juga mengusulkan algoritma fusi yang sesuai untuk menangani data yang
diperoleh. Hasil percobaan mengkonfirmasi kelayakan pendekatan baru kami. Pekerjaan masa depan mencakup isu-isu berikut untuk
memperbaiki kinerja sistem: Pertama, mengkalibrasi langsung kedua kamera
kedalaman dapat mengurangi kesalahan kalibrasi dan bukan mengkalibrasi dua
kamera RGB; Kedua, dengan menggunakan setup multiplexing waktu yang terdiri
dari dua Kinect aktif, kesalahan interferensi dapat dieliminasi; Dan ketiga,
algoritma fusi yang kami ajukan efektif tapi sederhana, algoritma lain yang
lebih baik dapat diadopsi untuk lebih meningkatkan kinerjanya.
Tidak ada komentar:
Posting Komentar