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

contact@globus-ltd.com

http://www.globus-ltd.com

Контакты