【摘要】：針對(duì)運(yùn)動(dòng)捕獲數(shù)據(jù)分割問(wèn)題,提出一種基于時(shí)頻分析的多粒度分割算法.該算法在時(shí)域分析階段利用稀疏重構(gòu)對(duì)運(yùn)動(dòng)序列進(jìn)行預(yù)分割,通過(guò)多尺度時(shí)序關(guān)聯(lián)方法將原始運(yùn)動(dòng)序列分割為獨(dú)立行為片段和混合運(yùn)動(dòng)基元,實(shí)現(xiàn)粗粒度分割;進(jìn)一步,在頻域分析階段先在主頻率下對(duì)每個(gè)獨(dú)立行為片段進(jìn)行特征提取,再結(jié)合零速度穿越點(diǎn)檢測(cè)和自適應(yīng)K-means算法將每個(gè)獨(dú)立行為片段分割為多個(gè)重復(fù)子周期片段,實(shí)現(xiàn)細(xì)粒度分割.實(shí)驗(yàn)結(jié)果表明,預(yù)分割及多尺度分割策略的使用使得分割準(zhǔn)確率更高,對(duì)混合運(yùn)動(dòng)基元的識(shí)別和分割更為精準(zhǔn),而且在主頻率下進(jìn)行特征提取使得算法對(duì)噪聲具有更好的魯棒性.
[Abstract]:In this paper, a multi-granularity segmentation algorithm based on time-frequency analysis is proposed for motion capture data segmentation. the method comprises the following steps of: performing pre-segmentation on a motion sequence by using a sparse reconstruction in a time domain analysis stage, dividing an original motion sequence into a separate behavior segment and a mixed motion primitive by a multi-scale time sequence correlation method, and realizing coarse grain size segmentation; and further, In that frequency domain analysis stage, the feature extraction is carried out on each independent behavior segment at the main frequency, and the zero-speed crossing point detection and the adaptive K-means algorithm are combined to divide each independent behavior segment into a plurality of repeated sub-periodic segments, so that fine-grained segmentation is realized. The experimental results show that the use of the pre-segmentation and multi-scale segmentation strategy makes the segmentation accuracy higher, the identification and segmentation of the mixed motion primitive is more accurate, and the feature extraction is carried out at the main frequency, so that the algorithm has better robustness to noise.
【作者單位】： 合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院;
【基金】：國(guó)家自然科學(xué)基金面上項(xiàng)目(61370167,61602146) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金(JZ2016HGBZ1049)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊杰,陳健;采用映射參數(shù)模型實(shí)現(xiàn)圖象運(yùn)動(dòng)分割[J];計(jì)算機(jī)工程;2001年04期

2 王會(huì)靖;陳凱;管海兵;;基于分治策略與指導(dǎo)抽樣的二視運(yùn)動(dòng)分割[J];信息安全與通信保密;2010年03期

3 王錦;于俊清;段萌遠(yuǎn);;基于感興趣區(qū)域的運(yùn)動(dòng)分割算法[J];微處理機(jī);2008年03期

4 蔣鵬;秦娜;周艷;唐鵬;金煒東;;一種基于均值偏移的自動(dòng)運(yùn)動(dòng)分割方法[J];計(jì)算機(jī)科學(xué);2013年08期

5 王洪斌,李華;基于運(yùn)動(dòng)軌跡聚類(lèi)的運(yùn)動(dòng)分割[J];計(jì)算機(jī)應(yīng)用;2003年10期

6 梁英宏;王知衍;曹曉葉;許曉偉;;一種快速的視頻序列運(yùn)動(dòng)分割方法[J];計(jì)算機(jī)工程;2008年12期

7 李智慧;黃鳳崗;;一種基于區(qū)域收縮的運(yùn)動(dòng)分割算法[J];中國(guó)圖象圖形學(xué)報(bào);2008年08期

8 任建峰,郭雷,沈玉利;多模型魯棒估計(jì)的運(yùn)動(dòng)分割[J];計(jì)算機(jī)應(yīng)用;2005年04期

9 王新衛(wèi);周利莉;蘇大偉;史紅剛;;一種基于奇異值分解的視頻運(yùn)動(dòng)分割算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年23期

10 譚曉軍;沈偉;郭志豪;;交通場(chǎng)景中運(yùn)動(dòng)分割問(wèn)題的研究[J];計(jì)算機(jī)工程;2006年05期

相關(guān)博士學(xué)位論文 前2條

1 王詩(shī)言;基于2D/3D視頻的運(yùn)動(dòng)分割與運(yùn)動(dòng)估計(jì)[D];浙江大學(xué);2013年

2 陶兆勝;板球系統(tǒng)中的運(yùn)動(dòng)分割反饋控制研究[D];上海大學(xué);2014年

相關(guān)碩士學(xué)位論文 前9條

1 李龍生;基于稠密光流的視頻運(yùn)動(dòng)分割[D];燕山大學(xué);2016年

2 郭江橋;基于子空間聚類(lèi)的運(yùn)動(dòng)分割方法研究[D];鄭州大學(xué);2016年

3 牛玉婷;單目圖像中的場(chǎng)景深度結(jié)構(gòu)分析和估計(jì)[D];合肥工業(yè)大學(xué);2016年

4 陳旭東;非剛性感知的網(wǎng)格運(yùn)動(dòng)分割[D];華南理工大學(xué);2016年

5 葉俊;基于捕獲數(shù)據(jù)的人體運(yùn)動(dòng)分割方法研究[D];南京理工大學(xué);2014年

6 潘豐俏;單目圖像序列的運(yùn)動(dòng)分割和3D表達(dá)方法[D];浙江大學(xué);2011年

7 杜敏松;視頻序列中基于邊緣信息的運(yùn)動(dòng)分割方法[D];大連理工大學(xué);2003年

8 張艷;基于幾何一致性約束的動(dòng)態(tài)二視場(chǎng)景運(yùn)動(dòng)分割研究與實(shí)現(xiàn)[D];上海交通大學(xué);2010年

9 叢露微;GPCA算法在彩色車(chē)輛視頻運(yùn)動(dòng)分割中的應(yīng)用[D];南京郵電大學(xué);2011年

，

本文編號(hào)：2455668