学位论文 > 优秀研究生学位论文题录展示

基于稀疏表示的人体运动捕获数据分析方法研究

作　者: 谭锋
导　师: 孙怀江
学　校: 南京理工大学
专　业: 计算机应用技术
关键词: 稀疏表示人体运动捕获数据运动分割运动检索运动数据修复
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 57次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着CG产业的快速发展,运动捕获技术也日益成熟,并被越来越广泛地应用于影视动画、游戏制作、体育训练、科学研究等领域中。然而,由于运动捕获技术自身存在的缺点,如捕获设备往往比较昂贵,操作复杂,对场景有严格限制等,从而限制了该技术的广泛使用。如何重用现有的人体运动捕获数据,生成更加生动、自然的三维人体动画,是目前研究的一个热点问题。随着稀疏表示理论的日益完善,信号的稀疏表示引起了越来越多的学者的关注,并被广泛应用于各个领域中,且很好地解决了各种难题。利用稀疏表示理论对人体运动捕获数据进行分析、处理,以取得更好的效果,是本文研究的主要目标。本文的研究工作主要涉及以下三个方面内容：(1)基于稀疏表示的人体运动捕获数据分割。在人体运动局部线性关系的假设下,提出了一种基于稀疏表示的运动捕获数据分割算法。该算法首先提取待分割运动序列的前面一段子序列作为字典,该子序列中包含了某种运动类型的至少一个运动周期,然后求得其后继序列中每一帧在该字典上稀疏表示后的重构误差,将重构误差的跳变点作为分割点。最后通过实验证明了该算法能够取得较好的分割效果。(2)基于稀疏表示的运动检索。对于用户提交的一个待检索运动序列,从中提取稀疏表示字典,数据库中与其相似的运动序列在该字典上稀疏表示后的重构误差较小,相对而言,与其不相似的运动序列在该字典上稀疏表示的重构误差要大。在这个假设前提下,本文在稀疏表示理论的基础上提出了一种基于内容的检索算法。通过与现有方法对比实验,实验结果证明了本文检索算法具有更高的检索性能。(3)基于稀疏表示的缺失数据的修复。分析并研究了基于L1范数的运动捕获数据缺失标记预测算法,该算法利用稀疏表示理论框架和人体运动序列连续性等自身特性,将待修复运动姿态分为两部分：完整部位和不完整部分。首先求解完整部分在训练数据集形成的字典上的稀疏表示,然后利用字典和稀疏表示系数重构不完整部分。针对该算法的不足,本文采用线性四元数特征作为特征数据,并且只选择人体骨架中重要的关节用于求解稀疏表示。另外,为了增强算法的适应性,本文对基于加权表示系数的字典更新算法进行了改进。实验表明,改进后的方法不但具有更低的重构误差,而且能够降低修复的时间,提高修复效率。

全文目录

摘要  3-4
Abstract  4-6
目录  6-9
1 绪论  9-18
  1.1 研究背景  9-10
  1.2 运动捕获数据相关分析方法概述  10-13
    1.2.1 运动捕获数据的特征提取  10-11
    1.2.2 运动捕获数据的分割  11
    1.2.3 运动捕获数据的检索  11-13
    1.2.4 运动捕获数据缺失数据的修复  13
  1.3 稀疏表示  13-15
    1.3.1 稀疏表示的研究现状  14-15
    1.3.2 稀疏表示的应用  15
  1.4 稀疏表示在人体运动捕获数据中的研究现状  15-16
  1.5 本文的组织结构  16-18
2 相关基础知识介绍  18-27
  2.1 人体运动捕获数据  18-19
  2.2 运动捕获运动数据的表示及特征提取  19-22
    2.2.1 数值特征  19-20
    2.2.2 几何特征  20-22
  2.3 稀疏表示理论  22-26
    2.3.1 稀疏字典  23-24
    2.3.2 稀疏表示求解  24-26
  2.4 本章小结  26-27
3 基于稀疏表示的人体运动捕获数据的分割  27-45
  3.1 算法基本思想  27-28
  3.2 算法步骤  28-29
  3.3 运动分割  29-38
    3.3.1 特征的选择  29-30
    3.3.2 特征的提取  30-35
    3.3.3 字典的选取  35
    3.3.4 稀疏分解与重构  35-36
    3.3.5 高斯平滑滤波  36-37
    3.3.6 分割判断  37-38
  3.4 分割实验  38-44
    3.4.1 实验数据库  38
    3.4.2 初始参数的设置  38
    3.4.3 实验结果对比  38-39
    3.4.4 实验结果分析  39-44
  3.5 本章小结  44-45
4 基于稀疏表示的运动检索  45-55
  4.1 基本思想  45-46
  4.2 算法的具体步骤  46
  4.3 检索算法  46-48
    4.3.1 预处理  46-47
    4.3.2 稀疏表示并计算重构误差  47
    4.3.3 排序并返回检索结果  47-48
  4.4 实验结果及分析  48-54
    4.4.1 实验数据  48
    4.4.2 评价指标  48
    4.4.3 检索结果返回策略  48-49
    4.4.4 对比分析  49-51
    4.4.5 具体检索结果分析  51-54
  4.5 本章小结  54-55
5 基于稀疏表示的缺失数据的修复  55-69
  5.1 算法描述  56-58
    5.1.1 基本思想  56
    5.1.2 稀疏表示求解  56-57
    5.1.3 基于加权表示系数的字典更新算法  57-58
  5.2 特征提取  58-61
    5.2.1 特征表示  58-60
    5.2.2 特征选择  60-61
  5.3 改进后的算法的具体步骤  61-63
  5.4 实验结果  63-68
    5.4.1 实验数据库  63
    5.4.2 实验运行环境  63
    5.4.3 初始参数及评价指标  63
    5.4.4 实验结果及分析  63-68
  5.5 本章小结  68-69
6 总结与展望  69-72
  6.1 论文总结  69-70
  6.2 未来与展望  70-72
致谢  72-73
参考文献  73-78

基于稀疏表示的人体运动捕获数据分析方法研究

内容摘要

全文目录

相似论文