一、成果简介

在计算机视觉领域，从图像或视频中恢复生物运动状态是重要研究方向。其中，人体运动恢复已借助大规模公开数据集、标准化基准及先进算法框架取得显著进展，但动物运动恢复因缺乏高质量数据集与针对性方法，进展相对滞后。

对于犬类运动估计，现有技术主要分为无模型重建与基于模型重建两类。现有技术在处理犬类运动估计时，面临四大核心挑战：1.犬类形态多样性导致的模型适配性差，无法应对犬类体型多样性。2.视觉歧义处理能力弱，重建精度低。3.时间连续性缺失，运动合理性差。4.输入类型兼容性有限，泛化能力弱。

本成果首先采用引入尺度参数s的扩展的D-SMAL模型，能够解决不同体型犬只的模型适配问题，实现绝对身体形状的精准恢复；其次基于三阶段递进式优化框架，通过“粗对齐（快速初始化）→联合优化（密集约束+物理合理性）→时间精修（运动连续性）”的分阶段策略，逐步提升重建精度与运动合理性，避免单一优化阶段陷入局部最优；也就是说，本成果通过分阶段优化策略实现宠物身体形状与动态姿态的精准恢复，可适配不同体型动物的运动估计，并适用于动物行为分析、虚拟资产创建、动画制作及VR/AR等场景。

图1.本成果原理框图

二、应用领域

本成果属于计算机视觉与三维重建技术领域。

三、市场前景

本成果通过引入尺度参数与实例特异性优化，实现动物绝对身体形状的精准恢复，解决现有模型“体型失真”问题。可保证运动的时间连续性与物理合理性，通过时间正则化约束与腿部交叉惩罚，消除“关节跳变”与“腿部穿透”现象，输出符合真实动物运动规律的4D序列。

技术优势：

1、模型适配性更强，体型恢复精度更高。

2、运动连续性与物理合理性更优。

3、输入类型兼容性更广，泛化能力更强。

4、优化效率更高，收敛速度更快。

四、知识产权

1、成果由北京理工大学单独持有；

2、本成果已授权专利。

五、合作方式

技术许可、技术转让、合作开发或技术服务与咨询等。

六、对接方式

（1）合作意向方联系北理工技术转移中心；

（2）北理工技术转移中心沟通了解意向方情况；

（3）会同成果完成团队与意向方共同研讨合作方案。

北京理工大学技术转移中心

电话：010-68914920

邮箱：bitttc@bit.edu.cn

网址：ttc.bit.edu.cn

未经授权，请勿转载