人體運動捕獲數(shù)據的稀疏建模方法研究.pdf

1、在稀疏表示理論日臻完善的背景下，信號的稀疏表示逐漸引起了越來越多的研究學者的關注，并且被廣泛地應用在了各個領域中。與此同時，以三維電影和游戲為代表的數(shù)字媒體產業(yè)逐漸興起，計算機動畫技術有了很大的發(fā)展，成為學者們的研究熱點。由于人體運動捕獲數(shù)據有其獨有的空間結構和時間結構，單純地使用現(xiàn)有的稀疏表示理論模型很難對運動捕獲數(shù)據進行分析處理，因此如何有效地使用稀疏表示理論對運動捕獲的數(shù)據進行建模，并對人體運動捕獲數(shù)據進行分析、處理，以取得更好的

2、效果，是本文研究的主要目標。本文的研究工作主要涉及以下三個方面內容:
　　(1)基于稀疏表示的半監(jiān)督距離學習用于人體運動捕獲數(shù)據的相似性度量。人體運動的檢索技術是運動數(shù)據管理和重用過程中必需的環(huán)節(jié)。由于歐式距離難以度量兩個運動間的邏輯相似性，為此本文提出了一種基于稀疏表示的半監(jiān)督距離度量學習算法，利用帶標記的運動進行訓練來挖掘運動間的邏輯相關性，利用無標記的運動進行訓練能夠充分挖掘出運動間的潛在規(guī)律，用以學習得到運動間的馬氏距離度

3、量，從而判斷兩個運動的邏輯相似性來進行運動的檢索。該方法能夠獲得較高的查詢精度，且沒有任何人工干預，可應用于自動檢索。
　　(2)基于多表示的聯(lián)合稀疏模型用于人體運動的關鍵幀提取。當面對大量運動捕獲數(shù)據時，數(shù)據的快速瀏覽不可或缺。本文將關鍵幀提取問題轉化為稀疏字典選擇問題，將多表示模型與聯(lián)合稀疏表示模型相結合，用以進行關鍵幀提取。所提取的關鍵幀能夠包含原始運動中的大部分信息，并且由于稀疏性的存在，所得關鍵幀個數(shù)少。同時由于運動數(shù)據

4、是時序數(shù)據，引入三角約束，充分考慮到時序數(shù)據的局部相關性，提取的關鍵幀僅僅對其一定鄰域范圍內的其他幀表示起到作用，關鍵幀中所包含的信息更加準確。
　　(3)基于結構稀疏主成分分析的人體運動合成。本文將結構性稀疏與主成分分析相結合，提出了一種自動獲取低維可理解運動參數(shù)的結構性稀疏主成分分析模型，從而實時地生成符合用戶需求的逼真運動。結構性稀疏語義參數(shù)化模型將各種獨立結構的運動屬性自然地提取出來，并關聯(lián)到不同的低維運動參數(shù)上，并極大降