基于貝葉斯程序?qū)W習的人體運動模擬.pdf

1、人體運動模擬旨在對人體運動行為進行模擬實現(xiàn)，是虛擬現(xiàn)實領(lǐng)域中的重要研究方向。隨著人體運動模擬技術(shù)的不斷發(fā)展與成熟，被廣泛運用于教育、影視、軍事等眾多領(lǐng)域。由于直接利用圖像處理技術(shù)從視頻中獲取人體運動數(shù)據(jù)存在人體特征提取與跟蹤困難，容易受到視頻采集設(shè)備、環(huán)境等因素干擾，為了更好的進行運動模擬，目前人體運動模擬大多使用運動捕獲的方法獲取運動數(shù)據(jù)。然而由于人體具有局限性，很多動作無法達到預期的效果，此時需要對捕獲的數(shù)據(jù)進行編輯。但是由于運動模

2、擬數(shù)據(jù)龐大，對運動數(shù)據(jù)進行編輯工作量巨大，耗費時間多，工作效率低，而且容易造成運動不自然。為了擺脫人工拖拽編輯動作的方式，提高人體運動模擬的自然度，達到運動模擬預期效果，提升工作效率，本文提出了基于貝葉斯程序?qū)W習的運動模擬方法----HMBPL（Human motion simulation based on Bayesian program learning）方法。HMBPL方法分為三個部分：HMBPL運動學習、HMBPL運動合成以及

3、HMBPL運動模擬。
　　本研究主要內(nèi)容包括：⑴解析運動捕獲的BVH格式的運動樣本數(shù)據(jù)的每一幀，將其分解為較為簡單的部件，根據(jù)部件與根節(jié)點之間的關(guān)系進行組合，生成概念類，從中學習到運動的概念，然后對概念類添加運動變量生成新的動作數(shù)據(jù)。⑵由于運動學習僅是生成了動作數(shù)據(jù)，為了將動作數(shù)據(jù)幀連接起來，形成運動數(shù)據(jù)，需要進行運動合成。HMBPL運動合成根據(jù)預先知道的知識、算法生成的動作數(shù)據(jù)以及要生成的運動進行概率計算，選擇最優(yōu)的一幀動作數(shù)據(jù)