Motion Capture using Sum of Gaussians Body Model

Cílem této práce je pokračovat na práci započaté při semestrálním projektu na systému bezznačkového snímání pohybu jménem Kostilam. Hlavní části zadání tvoří za prvé optimalizace snímacího algoritmu tak, aby se co nejvíce přiblížil zpracování snímku za reálného času, a za druhé úprava algoritmu takovým způsobem, aby byl schopen se přizpůsobit měnícím se světelným podmínkám. Optimalizace snímacího algoritmu se nám zdařila pomocí implementace řídkého vektoru, vlastního alokátoru paměti a paralelizace. Na druhou stranu se světelnou adaptací jsme neměli úspěch a ta tak zbývá jako námět k příští práci.The goal of this work is to improve on the work done previously in a markerless motion capture project called Kostilam. The main goals of the thesis assignment were to optimize the algorithm as close to realtime performance as possible and to modify the approach to be able to adapt to light variations. We have managed to optimize the algorithm through the use of sparse vectors, custom memory management and parallelization. On the other hand the light adaptation was not a success and is perhaps a topic for some future work