作者：邱國橋 廖洪輝 單位：井岡山大學藝術學院

許多用于動畫的方法都根在生理或醫學領域。捕捉運動只是使用此數據來創建動畫的一部分，通常，運動捕捉這個術語是用來描述整個過程。問題是，它忽略了任務的其他方面，并建立了從傳感器數據到動畫，需要多少工作不合理的一些期望。不管怎樣，讓我們從抓住什么的問題開始。在某種意義上，一個攝像機對著一個人實際上是捕捉他們的運動。出于某種原因，這不是我們通常所說的運動捕捉。這種區別，至少對我來說，是動作捕捉創建一個從外觀提取出運動的代表；以一種適合我們需要處理和分析的過程而編碼。

運動捕捉的定義依賴于我們如何處理結果動作捕捉動畫意味著我們會改變一些我們已經記錄下來的東西，如果我們不打算改變什么，我們可以簡單地重放視頻。幾乎總是，我們至少對要運用的人物的運動是從一個真實的人到一些圖形模型的改變。根據定義，以動畫意即賦予生命，所以在技術上，它使沒有生命的物體（圖形模式）動起來，即我們做動畫。

運動捕捉和動畫

在線運動捕捉是獨特的，在于它是一種沒有替代性的應用。然而，對于離線生產，運動捕獲僅僅是創建運動動畫幾個方法中的一個。理解的替代品是有用的，可以幫助我們看到運動捕捉在哪個方面最有用的，了解創建動畫為一個機制做點什么。傳統上，運動動畫已通過指定對象在每一個時刻的位置而創建。這些方法隨著藝術的發展而得以高度發展的手冊規范明顯的缺點是勞苦的，但也需要通過一系列具體的姿勢創作大量的技巧以創造令人信服的運動。而電腦可以自動插值幀減少一些勞動，手動規范運動仍然需要天賦和培訓。創造運動，如一個具體的人，不管是現實和/或準確地模仿微妙的特點，是特別困難。對于離線生產，運動捕獲必須提供優于其他現有的方法的優點。要成為一個可行的選擇，無論在質量上產生的運動和范圍，運動捕獲必須提供足夠的高質量的服務。例如，如果運動捕捉并沒有提供足夠的保真度區分不同的演員的微妙的差異，一個數據庫中的一個標準的運動可能是足夠的。或者，如果一個動作捕捉系統只能捕獲范圍有限的運動，可能被圖書館覆蓋?，F有運動創造的方法設定高標準，新的工具才能滿足。

動作捕捉動畫步驟

動作捕捉拍攝計劃和隨后的生產。使動畫捕捉付諸實踐，良好的規劃是非常重要的。

1．動作捕捉動作捕捉動畫歷史很長但記錄不足。最早的動作捕捉系統使用機械電樞測量角度。早期的例子用測角線束設計用于醫療驅動的計算機模擬分析。各種方法已被成功地用于“捕獲”運動。因為不同的方法導致類似的結果，在每個層次上，實際記錄和發送一個人的表現是不相關的。然而，每一個不同的方法都有一套不同的權衡并且會呈現結果的不同問題。而供應商的各種捕獲系統正在不斷改善所有品種的系統，用戶體驗在實踐中仍然占主導地位，限制特定的設備。通常，這種后處理軟件基于連續性的立場。光學系統通常喜歡高幀率以創造這樣的連續性，即使所產生的數據將被下采樣。當分析技術提高，軟件技術尚不完善，需要手動清除。硬件解決使用如微型發光二極管的歧義活動的標志。由于光學捕獲系統必須解決由于閉塞和對應失去標志，傳統上磁系統一直偏愛表現動畫。改進的光學加工軟件正在改變這一點。同樣，這兩種技術正在迅速發展，改變了許多歷史權衡其相對性價比。我們在光學捕獲技術和計算機視覺捕捉技術之間做了一個主觀性的區分。我們把一個基于視覺的技術定義為可以分析“標準”的視頻流，進行某種形式的圖像分析，確定演員在做什么。

2．運動編輯和運動捕捉運動捕捉技術，理想上應提供精彩的運動，何必要改變？如果一切都工作正常，運動捕捉數據是期望性能的現實的準確反映。然而，一旦我們擁有，而討論如何改變運動捕捉是很大部分的一小部分。運動編輯技術和問題并非是動作捕捉獨有的，是可用其他方法用于運動創造，如鑰匙-校位和仿真等。有一些問題，與傳統動畫相比，使工作與運動捕捉數據更難。這些問題超出了用來捕捉運動的技術問題。運動捕捉系統通常不只是在重要的時間瞬間提供每個樣本或框架的運動。這意味著大量的數據必須改變、編輯。只有描述性能的運動的數據。數據中沒有跡象顯示運動的重要性質，和什么應該改變以影響運動，也就是一個動畫師所熟悉的“為什么”的運動。

計算機視覺和運動捕捉

基于視覺的運動捕捉潛能是巨大的：傳統的視頻技術更方便，成本更低，不妨礙的演員和工作在更廣泛的各種各樣的環境比當前捕獲技術。如果標準視頻可以分析，遺留下來的鏡頭可以被處理用來創建動畫。然而，這些可能性需要捕獲技術可以提供動畫應用要求的保真度和質量。這些要求和視覺研究人員專注是不同的。

人體運動跟蹤一直是計算機視覺中一個重要的主題。然而，對于大多數應用程序以創建一個三維重建的運動是不需要的。例如，創建二維運動的代表動作識別，和各種交互式演示是基于輪廓跟蹤。如用戶界面的應用需要實時性能，甚至不惜犧牲保真度。一些研究人員把重點放在確定的問題闡述數字圖像的配置。最早試圖重建圖形模型的數字，一個反饋回路。類似的方法已被證明。到目前為止，這些努力提供了運動的保真度要求動畫的制作，也表現出簡單短暫的動作（除了一個需要控制的情況）。努力嘗試利用視覺技術表現臉部捕捉運動。因為一定范圍的運動和低速運動，視頻已變為可行的臉部捕捉的方法。威廉姆斯早期面部捕捉是用一個單一的視頻攝像頭和一個反射鏡產生多個視圖所需的立體重建，正如zopolous和Waters用蛇形跟蹤演員臉上的標志并使用這些曲線驅動肌肉人臉模型一樣，事實上，隨著最近的面部跟蹤的發展，建立視覺運動捕捉的最大挑戰似乎在利用可利用的形式提供面部動畫數據。

正如我們前面所提到的，一些早期的例子包括利用穩健統計降噪，并自動約束識別。一個常見的誤解是，重視運動編輯運動捕獲來自于一個事實，即運動捕捉是不完美的，工具需要事實后清潔運動的。甚至在運動捕捉數據完全代表了一個理想的表現，但運動往往是需要改變的，原因包括：再利用運動捕捉數據準確記錄事件。如果我們想重用數據略有不同，說一個不同的字符或不同的行動，我們需要修改數據。創造不可行的動議：因為動作捕捉記錄真實事件，一些編輯必須是“不可能”的動作可能。現實的缺陷：真正的運動是不完美的。表演者不能完美無缺地擊中標志以及重復性的動作的不完全循環。令人興奮的消息是數字化視覺和捕捉可能鏈接是利用視覺技術協助使用動畫數據。數字化視覺研究的經驗在于處理噪聲不明信號可以適用于運動數據以及圖像。數字動畫的需求和技術運動的替代給運動捕獲技術提出很高的要求，但目前為止，視覺技術已經遠遠不足。