運動捕獲數(shù)據關鍵幀提取與姿態(tài)過渡技術研究.pdf

1、近年來，計算機技術飛速發(fā)展，運動捕獲技術廣泛應用在游戲動畫、影視制作、運動分析和體育訓練、醫(yī)療康復和文化保護等領域。同時，隨著運動捕獲技術的發(fā)展，國內外學者逐漸深入研究運動捕獲相關技術。本文對關鍵幀提取技術與姿態(tài)過渡技術展開深入研究，研究成果主要表現(xiàn)在兩個方面：
　　1.針對現(xiàn)有的運動捕獲數(shù)據關鍵幀提取方法常常忽略運動數(shù)據局部拓撲結構特性問題，本文提出一種基于拉普拉斯分值特征選擇的運動捕獲數(shù)據關鍵幀提取方法，基本思想是利用拉普拉斯

2、分值特征選擇的思想動態(tài)選擇具有判別性意義的人體運動特征，最終得到更具概括性的關鍵幀。該方法對提取的兩種代表性的特征向量統(tǒng)一打分，從而在盡量排除冗余特征干擾的前提下利用貢獻率高的部分特征構造綜合特征曲線，曲線上凹凸點對應為候選關鍵幀。接著根據時間閾值約束和姿態(tài)相似判別策略，利用改進的K-means算法對候選關鍵幀進行聚類篩選，得到最終關鍵幀集合。實驗結果表明，本文算法提取的關鍵幀序列具有典型性，能較好地彌補等間隔采樣法的不足，避免分層曲線

3、簡化法的特征干擾問題，對運動序列具有良好的概括性和適應性，視覺上能較好地概括原運動序列。
　　2.針對運動拼接時常常忽略其運動語義自然過渡問題，提出一種結合隱馬爾可夫模型隱狀態(tài)基元和貝葉斯準則的運動捕獲數(shù)據姿態(tài)過渡方法。該方法認為人體運動各種行為均可劃分為多個有序狀態(tài)。然后，基于狀態(tài)序列的規(guī)律找到最合適的過渡片段。該方法首先提取兩種代表性的人體骨架特征并歸一化，得到組合特征數(shù)據矩陣，用來表示原始運動數(shù)據；接著，采用HMM方法對組合