近年來,隨著運(yùn)動捕捉技術(shù)的快速發(fā)展,基于捕獲數(shù)據(jù)的人體運(yùn)動的相關(guān)問題的研究逐步到人們的重視與關(guān)注。運(yùn)動捕捉技術(shù)的進(jìn)步使得人們可以輕易地獲取大量高質(zhì)量的捕獲數(shù)據(jù),這些數(shù)據(jù)一方面可以還原復(fù)現(xiàn)人體動作;另一方面是對這些人體動作捕獲數(shù)據(jù)的研究,可以幫助人們在虛擬現(xiàn)實、醫(yī)療康復(fù)、游戲場景、軍事演習(xí)以及影視制作等諸多領(lǐng)域取得更大的發(fā)展空間。本文論文的研究主要包括基于捕獲數(shù)據(jù)的人體動作評估以及人體動作的分割這兩大問題�；诓东@數(shù)據(jù)的人體動作評估是指借助捕獲數(shù)據(jù),判斷與某一標(biāo)準(zhǔn)動作的相似性,既包括整體宏觀動作的相似性,也包括局部肢體動作的相似性。動作評估的目的在于給出兩個動作之間的相似性,尤其是一個任意動作與標(biāo)準(zhǔn)動作之間的相似性。另外,動作評估也可以為動作分類算法提供動作相似度度量。而基于捕獲數(shù)據(jù)人體動作分割問題是指從連續(xù)的人體運(yùn)動捕獲數(shù)據(jù)中準(zhǔn)確截取出若干具有獨(dú)立語義意義的動作的片段,如擊球、跳躍、奔跑等動作。有效的人體動作分割算法可以有助于捕獲數(shù)據(jù)的復(fù)用和編輯。在基于捕獲數(shù)據(jù)的人體動作評估部分,提出基于GRU的人體動作分類模型,其對基于LSTM的人體動作分類模型在數(shù)據(jù)、特征、模型三個方面作出改進(jìn),提... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

人體骨骼結(jié)構(gòu)的示意圖

圖 2-2 運(yùn)動骨骼鏈模型示意圖he schematic diagram of the skeletal kinematic chain mo序列都是按照的腳本中固定的準(zhǔn)則來執(zhí)行的，這部分組成，其中每個部分被細(xì)分成多個場景。每一個場景。所有運(yùn)動序列以短 T-姿態(tài)開始和結(jié)束。這

- 14 -圖 3-2 長短期記憶網(wǎng)絡(luò)Fig.3-2 Long Short Term MemoryU 是 LSTM 諸多變體中的非常流行一個種，保持了 LSTM 的效果

【參考文獻(xiàn)】：
期刊論文
[1]基于自動編碼器和神經(jīng)網(wǎng)絡(luò)的人體運(yùn)動識別[J]. 司陽,肖秦琨,李興.  國外電子測量技術(shù). 2018(01)
[2]TensorFlow平臺上基于LSTM神經(jīng)網(wǎng)絡(luò)的人體動作分類[J]. 楊煜,張煒.  智能計算機(jī)與應(yīng)用. 2017(05)
[3]基于骨架特征的人體動作分類研究[J]. 庾晶,葛軍,郭林.  計算機(jī)技術(shù)與發(fā)展. 2017(08)
[4]基于雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的評價對象抽取研究[J]. 陳鵬,徐冰,楊沐昀,李生.  智能計算機(jī)與應(yīng)用. 2017(01)

碩士論文
[1]基于深度數(shù)據(jù)的人體動作分割與識別[D]. 楊睿.南京大學(xué) 2016
[2]基于捕獲數(shù)據(jù)的人體運(yùn)動分割方法研究[D]. 葉俊.南京理工大學(xué) 2014
[3]人體運(yùn)動捕獲數(shù)據(jù)的分割算法研究[D]. 馮鋒.南京理工大學(xué) 2011



本文編號：3528836