本文關(guān)鍵詞：基于人體運動捕捉數(shù)據(jù)的運動分析技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人體運動捕捉數(shù)據(jù)能夠較好地保存運動的細節(jié)并真實地記錄人體運動的軌跡,已經(jīng)被廣泛地應用于虛擬現(xiàn)實、三維游戲、影視特效等眾多領(lǐng)域。隨著運動捕捉數(shù)據(jù)庫中運動數(shù)據(jù)的不斷增長,如何對人體運動數(shù)據(jù)進行合理有效的分析已成為當前的研究熱點。運動分析的主要目的是為了更好的理解與描述運動的過程,以便對運動捕捉數(shù)據(jù)庫中已有的運動捕捉數(shù)據(jù)進行管理與重用。本文針對運動捕捉數(shù)據(jù)庫中現(xiàn)有的人體運動捕捉數(shù)據(jù),對運動數(shù)據(jù)行為分割、運動模板提取計算與運動行為識別等運動數(shù)據(jù)分析方法進行了研究。本論文的主要研究工作包括：在運動數(shù)據(jù)行為分割方面,提出了一種新的運動捕捉數(shù)據(jù)的字符串表示方法,將高維的人體運動捕捉數(shù)據(jù)序列表示成字符串的形式。該方法將人體運動捕捉數(shù)據(jù)視為高維的數(shù)據(jù)點集,使用基于密度的聚類方法進行聚類,并用字符表示所得類別；通過時序恢復處理,將聚類所得的字符表示的高維數(shù)據(jù)點集按照原始運動序列的時序進行重新排序,得到原始運動捕捉序列對應的字符串,該字符串被稱為行為串(Behavior String,簡稱BS)；通過對行為串進行分析,實現(xiàn)對人體運動捕捉數(shù)據(jù)序列的行為分割以及提取出各種行為所對應的運動周期。在運動模板提取計算方面,對原始關(guān)系特征進行改進,并實現(xiàn)了一種基于改進關(guān)系特征的運動模板的提取計算方法。該方法根據(jù)人體關(guān)節(jié)與空間幾何的關(guān)系提出一個關(guān)系特征矩陣來描述人體各個關(guān)節(jié)的空間位置關(guān)系,將同類別運動行為的關(guān)系特征矩陣通過動態(tài)時間歸整(Dynamic Time Warping,簡稱DTW)的方法進行時間軸對齊,并記錄DTW的時間變形過程,將對齊后的矩陣求均值并根據(jù)所記錄的時間變形過程進行反變換,最后進行量化得到該類別運動行為對應的運動模板。在運動行為識別方面,提出了一種基于運動模板的運動行為識別方法,能夠?qū)υ歼\動數(shù)據(jù)序列進行行為分割所得到的運動片段自動進行行為識別。該方法根據(jù)待識別的運動序列對應的人體骨架模型中根節(jié)點的運動軌跡將其分為根節(jié)點運動和根節(jié)點靜止兩類,基于DTW方法將待識別的運動序列依次與不同運動行為的運動模板進行相似性匹配計算,實現(xiàn)了對運動序列片段中運動行為的自動識別。
【關(guān)鍵詞】：運動捕捉 運動分析 行為分割 運動模板 運動行為識別
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.1
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 緒論11-25
• 1.1 研究背景與意義11-17
• 1.1.1 計算機動畫11-12
• 1.1.2 人體運動捕捉技術(shù)12-15
• 1.1.3 基于運動捕捉數(shù)據(jù)的運動分析技術(shù)15-17
• 1.2 國內(nèi)外研究現(xiàn)狀17-21
• 1.2.1 運動數(shù)據(jù)行為分割技術(shù)17-19
• 1.2.2 運動模板提取計算19-20
• 1.2.3 運動行為識別技術(shù)20-21
• 1.3 主要研究內(nèi)容21-23
• 1.4 論文組織結(jié)構(gòu)23-25
• 2 基于人體運動捕捉數(shù)據(jù)的運動分析相關(guān)技術(shù)25-37
• 2.1 人體運動捕捉數(shù)據(jù)記錄25-28
• 2.1.1 人體骨架數(shù)據(jù)25-28
• 2.1.2 人體運動數(shù)據(jù)28
• 2.2 人體運動姿態(tài)的數(shù)值描述28-33
• 2.2.1 旋轉(zhuǎn)矩陣表示法28-29
• 2.2.2 歐拉角表示法29-30
• 2.2.3 四元數(shù)表示法30-31
• 2.2.4 三種表示方法之間的轉(zhuǎn)換與比較31-32
• 2.2.5 關(guān)節(jié)點全局坐標的計算方法32-33
• 2.3 運動序列之間距離度量33-36
• 2.3.1 歐氏距離度量33-34
• 2.3.2 動態(tài)時間歸整距離度量34-36
• 2.4 本章小結(jié)36-37
• 3 基于行為串的運動數(shù)據(jù)行為分割37-49
• 3.1 運動捕捉數(shù)據(jù)的行為串描述37-41
• 3.1.1 兩點之間的相似性38
• 3.1.2 局部密度與距離38-39
• 3.1.3 聚類與時序恢復39-41
• 3.2 運動數(shù)據(jù)序列行為分割41-45
• 3.2.1 代表運動行為的關(guān)鍵詞41-43
• 3.2.2 行為分割點與運動周期43-45
• 3.3 實驗結(jié)果與分析45-48
• 3.4 本章小結(jié)48-49
• 4 基于關(guān)系特征的運動模板的提取計算49-65
• 4.1 關(guān)系特征矩陣描述49-56
• 4.1.1 關(guān)系特征函數(shù)的定義及計算方法49-51
• 4.1.2 原始的關(guān)系特征序列51-54
• 4.1.3 改進的關(guān)系特征序列54-56
• 4.2 運動模板計算56-61
• 4.3 實驗結(jié)果與分析61-63
• 4.4 本章小結(jié)63-65
• 5 基于運動模板的運動行為識別65-75
• 5.1 運動序列的識別方法65-71
• 5.1.1 基于根節(jié)點位置變化的預分類66-67
• 5.1.2 基于模板匹配的識別過程67-71
• 5.2 實驗結(jié)果與分析71-74
• 5.3 本章小結(jié)74-75
• 6 總結(jié)與展望75-77
• 6.1 總結(jié)75-76
• 6.2 展望76-77
• 參考文獻77-81
• 作者簡歷及攻讀碩士學位期間取得的研究成果81-85
• 學位論文數(shù)據(jù)集85

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李寧;須德;傅曉英;袁玲;;結(jié)合人體運動特征的行為識別[J];北京交通大學學報;2009年02期

2 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學學報(自然科學版);2009年07期

3 吳聯(lián)世;夏利民;羅大庸;;人的交互行為識別與理解研究綜述[J];計算機應用與軟件;2011年11期

4 申曉霞;張樺;高贊;薛彥兵;徐光平;;一種魯棒的基于深度數(shù)據(jù)的行為識別算法[J];光電子.激光;2013年08期

5 鄭胤;陳權(quán)崎;章毓晉;;深度學習及其在目標和行為識別中的新進展[J];中國圖象圖形學報;2014年02期

6 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學學報(理工版);2009年06期

7 谷軍霞;丁曉青;王生進;;基于人體行為3D模型的2D行為識別[J];自動化學報;2010年01期

8 李英杰;尹怡欣;鄧飛;;一種有效的行為識別視頻特征[J];計算機應用;2011年02期

9 王新旭;;基于視覺的人體行為識別研究[J];中國新通信;2012年21期

10 王忠民;曹棟;;坐標轉(zhuǎn)換在移動用戶行為識別中的應用[J];北京郵電大學學報;2014年S1期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 苗強;周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強;劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達;;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強;李洪研;;改進運動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標轉(zhuǎn)換在移動用戶行為識別中的應用研究[A];2013年全國通信軟件學術(shù)會議論文集[C];2013年

7 劉威;李石堅;潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前4條

1 李晨光;導入CIS要注意什么？[N];河北經(jīng)濟日報;2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報;2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報;2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗[N];中國文物報;2014年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 邵延華;基于計算機視覺的人體行為識別研究[D];重慶大學;2015年

2 仝鈺;基于條件隨機場的智能家居行為識別研究[D];大連海事大學;2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學;2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學;2015年

5 韓姍姍;基于視覺的運動人體特征描述與行為識別研究[D];浙江工業(yè)大學;2015年

6 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學;2012年

7 吳秋霞;復雜場景下的人體行為識別[D];華南理工大學;2012年

8 于成龍;基于視頻的人體行為識別關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學;2014年

9 王亮;基于判別模式學習的人體行為識別方法研究[D];哈爾濱工業(yè)大學;2011年

10 付朝霞;基于視頻流的人體目標檢測與行為識別研究[D];中北大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 唐小琴;基于全局和局部運動模式的人體行為識別研究[D];西南大學;2015年

2 胡秋揚;可穿戴式個人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學;2015年

3 陳鈺昕;基于時空特性的人體行為識別研究[D];燕山大學;2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學;2015年

5 金澤豪;并行化的人體行為識別方法研究與實現(xiàn)[D];華南理工大學;2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設計與實現(xiàn)[D];南京理工大學;2015年

7 王露;基于稀疏時空特征的人體行為識別研究[D];蘇州大學;2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學;2015年

9 章瑜;人體運動行為識別相關(guān)方法研究[D];南京師范大學;2015年

10 趙揚;家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學;2015年

  本文關(guān)鍵詞：基于人體運動捕捉數(shù)據(jù)的運動分析技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：378975