Оцифровка движений
TRANSCRIPT
Оптимизация методов оцифровки движений человеческого тела для создания
мультимедийного контента
2
Короткий Павел Васильевичдиректор ООО ГЛОБУСруководитель проект
Брюханов Максим Владимикоммерческий директор ООО Глобус
Продвижение продукта на рынок
Сербер Александр Волькович,Директор МБУК «Нижегородский планетарий,
Руководитель направления 3д графики
Золотых Николай Юрьевич к.ф.-м.н., доц. ф-та ВМК ННГУ
научный руководитель проекта
Половинкин Алексей Николаевич,м.н.с. ф-та ВМК ННГУ
технический руководитель проекта
Команда проекта
3
• НИР «Высокопроизводительные вычисления в машинном обучении для анализа больших объемов данных» (2010–2011) (в рамках ФЦП «Научные и научно-педагогические кадры инновационной России»на 2009-2013 годы; государственный контракт № 02.740.11.5131):
• интеграция в библиотеку OpenCV программных реализаций новых вариантов алгоритмов: Gradient Boosting Trees, Latent SVM
• НИР «Новые алгоритмы машинного обучения и компьютерного зрения и их высокопроизводительные реализации» (2011–2013) (в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2013 годы»; государственный контракт №11.519.11.4015):
• новый алгоритм для задачи классификации объектов на изображении с большим числом категорий объектов
• новый алгоритм для задачи детектирования пешеходов, основанный на новом методе отбора признаков с помощью ансамблей деревьев решений
• новый алгоритм для решения задачи детектирования автомобилей на видеоданных
Опыт команды
4
• НИР «Разработка алгоритма и прототипов геолокационной системы» (2012–2013) (заказчик «Интел А/О»):
• алгоритм и программная реализация для задачи предсказания вероятных конечных пунктов движения водителя на основе имеющейся исторической информации
• Проект по разработке учебно-методических материалов «Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP» (2012–2013) (заказчик «Интел А/О»)
• Разработка программного комплекса для оценки правильной осанки ученика
• Разработка специализированных программных комплексов для показа интерактивных презентаций с помощью технологии Microsoft Kinect
• Разработка прототипа «Виртуальная примерочная» с помощью технологии Microsoft Kinect
Опыт команды
5
Опыт команды
6
Опыт команды
7
Положение дел:
•Высокий объем рынка мультипликации•Высокая цена входа в рынок (от 250 000$)•Небольшое число игроков, которые могут позволить себе дорогостоящее оборудование
Задача:
Разработать систему оцифровки движений человеческого тела, которая, с одной стороны, будет иметь достаточно низкую стоимость, с другой стороны, – высокую степень точности.
Постановка задачи
8
Актуальность темы:
Большинство предприятий, которым требуется оцифровка объектов, не могут себе позволить заказ дорогостоящего оборудования. Мы решаем эту проблему, предоставляя одновременно достаточно дешевое оборудование, в тоже время, не в ущерб качеству.
Актуальность темы
9
Коммерциализуемость проекта:
•Создание и продажа анимационных роликов для плоских и сферических экранов
•Продажа годовых лицензий для коммерческого использования (перепродажа мультипликации, созданной на основе технологии)
•Продажа годовых лицензия на право пользования программой для личных нужды
•Внедрение технологии в смежные сферы
Коммерческая часть
10
•Microsoft Kinect for PC (официальная лицензия на разработку продается с 1 февраля 2012 года)
•Камера eCreative совместно с Intel® Perceptual Computing SDK
•Алгоритмы компьютерного зрения и машинного обучения
Предлагаемое решение задачи:
Гибритизация новых и старых технологий:
11
Построение карты глубин в Kinect основано на анализе спекл-структуры («грануляции» яркости) излучения инфракрасного лазера
Kinect использует стереонаблюдение. Для анализа глубины используются две камеры и методом триангуляции определяется расстояние
Расстояние между двумя камерами Kinect невелико – как между человеческими глазами. Использование двух и более разнесенных устройств позволит:
1. Повысить точность триангуляции2. Одновременно наблюдать все части объекта и за счет этого
повысить точность по сравнению с наблюдениями с помощью одного устройства Kinect
Физические основы Microsoft Kinect
Microsoft Kinect
12
Текущие разработки
13
• Разработка и реализация алгоритмов распознавания жестов на близком расстоянии
• Разработка и реализация алгоритмов распознавания движений пальцев
• Разработка и реализация алгоритмов распознавания мимики
• Изучение комбинированного использования технологий Microsoft kinect и eCreative
Дополнительное НИОКР
С наилучшими пожеланиями,
Компания ГЛОБУС
8 (831) 4303188
http://www.globus-ltd.com
Контакты