人體運動合成的機器學習方法研究.pdf

1、隨著以三維電影和游戲為代表的數(shù)字媒體娛樂產業(yè)的興起，計算機動畫技術的得到了長足的發(fā)展，已經(jīng)成為國內外學者研究的熱點。其中，人體運動捕獲技術因其相對于其他運動生成技術的巨大優(yōu)勢，在科學研究和商業(yè)領域中應用十分廣泛，但人體捕獲技術也存在捕獲成本昂貴、運動捕獲數(shù)據(jù)重用率低等問題。如何對運動捕獲數(shù)據(jù)進行重用，利用已有運動序列獲得新的運動，具有非常重要的研究和經(jīng)濟意義。
　　 人體運動合成是指通過對運動數(shù)據(jù)庫中的已有運動進行修改，產生符合

2、要求的新的運動片段。本文工作的意義在于，通過機器學習算法中的成分分析方法對運動數(shù)據(jù)建立語義化參數(shù)模型，利用帶有具體語義信息的低維參數(shù)控制具有高維特性的人體運動序列，從而合成出逼真、自然的運動片段。主要包括以下3方面內容。
　　 1.基于獨立成分分析的運動風格遷移算法。該方法將單個運動序列的每一幀作為樣本，對兩個具有不同風格的相似運動序列的組合進行獨立成分分析，提取出獨立成分中變化趨勢差異較大的獨立成分進行選擇，將帶有特有風格的獨

3、立成分分量在兩個運動序列中遷移，合成出新的運動序列。通過實驗驗證了該算法能夠實現(xiàn)運動風格的遷移。
　　 2.基于主成分分析和分塊主成分分析的人體運動合成。基于主成分分析的人體運動合成算法對運動數(shù)據(jù)庫中的相似運動片段進行處理，將高維運動數(shù)據(jù)映射到低維空間中，通過修改低維參數(shù)合成新的運動，該算法存在低維參數(shù)的不可理解性問題。本文在此基礎上，提出了一種基于分塊主成分分析的人體運動合成方法。該算法根據(jù)人體骨骼模型對運動數(shù)據(jù)分組，對每個分

4、組分別進行主成分分析，所獲得的低維參數(shù)具有特定的語義。通過實驗證明，用戶可以直觀地理解低維參數(shù)的語義，其算法效率也達到實時水平。
　　 3.基于獨立成分分析和分塊獨立成分分析的人體運動合成?；讵毩⒊煞址治龅娜梭w運動合成算法過程與基于主成分分析的人體運動合成算法相似，采用獨立成分分析對運動數(shù)據(jù)進行處理，獲得的低維語義參數(shù)解決了可理解性問題。本文對該算法進行了改進，結合獨立成分分析與運動數(shù)據(jù)分組思想，提出了一種基于分塊獨立成分分析