數(shù)據(jù)驅(qū)動的虛擬人運動分析與合成技術(shù)研究.pdf

1、人體運動捕捉數(shù)據(jù)可以真實記錄人體運動的詳細(xì)信息，被廣泛應(yīng)用于計算機(jī)動畫、虛擬現(xiàn)實等方面。伴隨著人體運動捕捉數(shù)據(jù)規(guī)模的進(jìn)一步增長，如何對現(xiàn)有人體運動捕捉數(shù)據(jù)進(jìn)行運動分析與虛擬人運動合成，成為當(dāng)前的一大研究熱點。
　　本文針對數(shù)據(jù)驅(qū)動的虛擬人運動分析與合成關(guān)鍵技術(shù)，重點從人體運動行為分割、運動行為模板提取與標(biāo)注以及虛擬人運動合成三個方面進(jìn)行深入研究。本論文的研究工作主要包括：
　　在數(shù)據(jù)驅(qū)動的人體運動行為分割方面，提出兩種運動行

2、為分割方法。(1)基于圖割模型的行為分割方法:首先用人體運動捕捉數(shù)據(jù)構(gòu)建無向加權(quán)圖，從而把行為分割問題轉(zhuǎn)變?yōu)閳D割問題;而鑒于圖割問題NP難，通過分析譜聚類與圖割之間的關(guān)系，分別采用基于t-最近鄰和Nystrom算法的方法實現(xiàn)運動行為分割;進(jìn)一步構(gòu)建基于動態(tài)規(guī)劃原理的能量函數(shù)，實現(xiàn)行為分割結(jié)果的優(yōu)化。(2)基于分裂EM(Expectation Maximization)估計GMM(Gaussian Mixture Model)參數(shù)的行為分

3、割方法:假設(shè)屬于同一運動行為的人體運動捕捉數(shù)據(jù)符合一個高斯模型，對其進(jìn)行建模;采用分裂EM算法對GMM參數(shù)進(jìn)行估計，從而實現(xiàn)運動行為分割;并進(jìn)一步構(gòu)建基于最大相似性的能量函數(shù)，提高行為分割的精度。
　　在數(shù)據(jù)驅(qū)動的運動行為模板提取與標(biāo)注方面，提出層次化的運動行為模板提取與基于層次運動行為模板的標(biāo)注方法。對單一運動行為人體運動捕捉數(shù)據(jù)進(jìn)行隱馬爾可夫建模，提取基于運動類型的父層次模板和基于運動風(fēng)格的子層次模板;并且通過DTW(Dyna