检索结果-内蒙古大学图书馆

作者：张继进济南大学

学位级别：硕士

随着计算机技术的快速发展,人体运动捕捉技术在电影制作、虚拟现实、运动健康等领域得到广泛应用。在实际操作中,由于设备精度、环境噪声以及人体动作复杂性等限制,运动捕捉(Motion Capture,MoCap)数据往往存在缺失或不完整的情况,此外... 详细信息

随着计算机技术的快速发展,人体运动捕捉技术在电影制作、虚拟现实、运动健康等领域得到广泛应用。在实际操作中,由于设备精度、环境噪声以及人体动作复杂性等限制,运动捕捉(Motion Capture,MoCap)数据往往存在缺失或不完整的情况,此外,专业的运动捕捉设备造价高昂、维护成本高,使得运动数据的采集变得困难,这些问题限制着运动捕捉技术的进一步应用和发展。因此,如何对人体运动捕捉数据进行补全与生成,最大程度地生成准确的人体行为轨迹成为近几年的研究热点。本文开展运动捕捉数据补全与生成算法的研究,以推动人体运动捕捉技术的进一步发展,并为其在各个领域的应用提供有力支持。本文的创新点主要体现在以下三个方面(本文的主要工作包括): (1)针对MoCap数据缺失、不完整等问题,与先前使用卷积神经网络和长短期记忆网络的工作不同,提出一种基于时空Transformer的运动捕捉数据补全方法。首先,本方法创新性地采用Transformer网络作为基线模型,利用其自注意力机制建模长距离依赖关系,从而更准确地捕捉和理解长序列人体运动特征。其次,进一步引入空间Transformer,以探索人体运动的深层次空间特征。最后,提出包含新的刚性损失项的损失函数,以综合评估补全后的MoCap数据质量。在公开数据集CMU上的实验结果表明,本文提出的算法与最先进的MoCap数据补全算法相比,实现出更高的精度。 (2)针对多种运动、长距离缺失补全等问题,提出一种基于GCN-Transformer的运动捕捉数据补全方法。首先,本方法引入图卷积神经网络(Graph Convolutional Network,GCN)学习空间特征信息,GCN能够直接处理图结构数据,有效地捕捉和表示MoCap数据复杂的空间关系,从而更好地理解人体运动的动力学和结构特征。其次,通过将时空模块调整为循环交替处理,模型结构及参数量得到优化,从而实现更深层次的时空特征信息融合。最后,提出分块增强自注意力机制,进一步提高Transformer建模长序列数据依赖关系的能力。在公开数据集CMU上的实验结果表明,本文提出的算法在具有挑战性的任务上仍表现出稳定的补全能力。 (3)针对MoCap设备采购和维护成本高,获取数据困难等问题,提出一种基于GAGCN-Transformer的运动捕捉数据生成方法。首先,本方法提出基于动作标签的运动捕捉数据生成模型,该模型采用编码器-解码器架构,并利用变分自动编码器(Variational Auto-Encoder,VAE)目标对其进行训练,学习得到人体运动潜在空间,通过从潜在空间中采样并结合位置编码,本方法生成以动作标签为条件的可变长度运动序列。此外,提出门控邻接(Gating-Adjacency,GA)模块,利用门控网络混合多个候选邻接矩阵,获得可训练的自适应邻接矩阵,从而显著增强模型的泛化能力。在公开数据集HumanAct12和CMU上的实验结果表明,本文提出的算法与最先进的生成算法相比,实现出更真实的运动生成。

关键词：运动捕捉数据补全生成 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉数据的运动风格迁移方法研究

基于运动捕捉数据的运动风格迁移方法研究

引用

作者：姬文超西安理工大学

学位级别：硕士

运动捕捉技术的发展为影视、动画制作等领域提供了极大的便利,然而现有运动捕捉数据使用效率低下,且特定运动捕捉数据采集困难。因此本文通过研究运动风格迁移方法,利用现有运动捕捉数据合成新的运动捕捉数据,丰富运动捕捉数据集。针对... 详细信息

运动捕捉技术的发展为影视、动画制作等领域提供了极大的便利,然而现有运动捕捉数据使用效率低下,且特定运动捕捉数据采集困难。因此本文通过研究运动风格迁移方法,利用现有运动捕捉数据合成新的运动捕捉数据,丰富运动捕捉数据集。针对运动风格迁移中运动特征提取、风格迁移约束建立、风格迁移效果提升等问题展开具体研究,主要内容包括:(1)针对运动合成方法中运动数据特征提取困难和运动重建效果差的问题,提出了一种基于卷积自编码器(Convolutional Auto-Encoders,CAE)的运动特征提取与运动重建模型。该模型首先使用卷积神经网络(Convolutional Neural Networks,CNN)对运动数据进行编码提取运动特征。之后,通过自编码器(Auto-Encoders,AE)的解码操作实现由运动特征重建运动数据的过程。(2)针对运动风格迁移中如何建立合理运动风格约束问题,本文借鉴图像风格迁移中对图像风格特征量化方法,提出了基于卷积自编码器(CAE)的运动风格迁移方法。首先,通过运动特征提取与运动重建网络的编码操作对运动数据进行特征提取;之后,对网络隐含层特征空间内的运动风格特征进行量化,建立运动风格约束;随后对运动重建过程进行运动风格约束,调整运动特征;最后,通过最小化风格迁移损失提升运动风格迁移效果。(3)为了进一步提升运动风格迁移效果,本文提出了一种结合运动学约束(Kinematic Constraints,KC)的循环一致(Cyclic Consistent,CC)风格迁移方法。首先,构建循环一致生成对抗网络(Cycle-Consistent Generative Adversarial Networks,CCycleGAN),将基于卷积自编码器的运动风格迁移网络作为生成器,建立生成运动与内容运动之间的循环一致约束,提高生成运动与内容运动的动作一致性,消除生成运动滞后现象;然后,引入运动学约束,规范生成运动,解决运动风格迁移结果中出现的抖动、滑步等问题,从而提升运动风格迁移效果。

关键词：运动捕捉数据运动风格迁移卷积自编码器循环一致性

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉数据的骨骼蒙皮动画设计与实现

基于运动捕捉数据的骨骼蒙皮动画设计与实现

引用

作者：陈小满华侨大学

学位级别：硕士

近年来,随着计算机软硬件技术的快速发展,各种三维虚拟人物角色动画和游戏在人们日常生活和休闲娱乐中逐渐占有着越来越重要的地位。计算机三维虚拟人物角色动画已经成为计算机动画技术、虚拟现实和增强现实的核心技术,而通过三维虚拟... 详细信息

近年来,随着计算机软硬件技术的快速发展,各种三维虚拟人物角色动画和游戏在人们日常生活和休闲娱乐中逐渐占有着越来越重要的地位。计算机三维虚拟人物角色动画已经成为计算机动画技术、虚拟现实和增强现实的核心技术,而通过三维虚拟人物角色来模拟现实中人类的真实动作和行为,即三维虚拟人体模型的动态仿真技术已经成为当前信息领域学术界和工业界研究与应用的热点问题。如何能够更逼真地模拟人体运动有三个关键的问题:1)三维虚拟人体建模技术;2)运动和行为控制技术;3)骨骼皮肤绑定技术。基于此,本文主要研究三维虚拟人的建模技术,并基于ASF/AMC运动捕捉数据,提出一种骨骼皮肤绑定的方法,使得运动数据可以驱动三维虚拟人模型,实现动画仿真效果。(1)本文对ASF/AMC运动捕捉数据文件进行详细的解析与说明。ASF文件定义了虚拟人骨骼的初始模型,基于此,本文建立了虚拟人骨骼模型,该模型包括31个关节点和对应的30段骨骼,并建立了关节点的树形拓扑结构;AMC文件则定义了虚拟人运动的关键帧序列。此外,通过Maya软件构建了虚拟人的皮肤模型,该模型是由大量具有一定拓扑关系的皮肤顶点所组成的多边形网格构成,并采用贴图技术对皮肤模型进行贴图,使之更加形象逼真。(2)本文提出了一种虚拟人皮肤顶点权重计算方法。在将所建立的皮肤模型和骨骼模型进行初始姿态匹配之后,提出骨骼包围盒的思想,对骨骼在皮肤模型上的影响区域进行划分,然后使用“骨骼投影方向线性渐变”的方法来计算皮肤顶点受骨骼影响的权重值,从而使模型表面相邻的两个顶点的权重过渡平滑,使运动数据可以正确驱动虚拟人模型皮肤变形。(3)本文重点研究了基于ASF/AMC运动捕捉数据的多边形网格皮肤模型的蒙皮算法,主要采用线性混合蒙皮算法(LBS)和对偶四元数混合蒙皮算法(DQBS)对骨骼蒙皮动画进行实现。首先,本文采用LBS算法实现蒙皮效果,发现在运动数据的驱动下会产生“塌陷”和“裹糖纸”等皮肤失真现象。对这种现象进行分析,其产生的原因是由于直接对刚性变换矩阵进行直接线性加权混合后的矩阵不能保证刚性,不能保证皮肤体积。因此本文又采用DQBS算法对上述缺陷进行改进,解决了LBS算法的不足,最后对这两种算法的实现效果进行了对比分析。(4)本文使用C++语言开发了一套仿真程序,并通过ASF/AMC运动捕捉数据驱动所建立的三维虚拟人体模型进行皮肤变形实验。实验结果表明,本文采用的虚拟人体模型构造、皮肤顶点权值算法以及DQBS蒙皮算法在相互协同的作用下能实现较好的动画效果。

关键词：三维虚拟人角色动画骨骼蒙皮算法运动捕捉数据

来源：评论

学校读者我要写书评

暂无评论

基于KPCA降维的运动捕捉数据自动分割

引用

福州大学学报（自然科学版） 2015年第4期43卷 456-459页

作者：陈思喜李建微陈纾福州大学物理与信息工程学院福建福州350116

针对运动捕捉获得的数据其维度通常较高,在进行运动片段分割时候需要进行大量计算,人工方法可以对运动捕获数据进行分割,准确率比较高,但是效率偏低的问题.提出KPCA结合PPCA对捕获数据进行降维处理的方法,将56维数据映射到2维空间;以及... 详细信息

针对运动捕捉获得的数据其维度通常较高,在进行运动片段分割时候需要进行大量计算,人工方法可以对运动捕获数据进行分割,准确率比较高,但是效率偏低的问题.提出KPCA结合PPCA对捕获数据进行降维处理的方法,将56维数据映射到2维空间;以及构造特征函数获得投射误差的导数,分析几何特征的变化,探测运动捕捉数据的分割点的方法,实现运动捕捉数据的自动分割.

关键词：运动捕捉数据降维自动分割泉州拍胸舞

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉数据的拉班舞谱生成

基于运动捕捉数据的拉班舞谱生成

引用

作者：梁雪梅北京交通大学

学位级别：硕士

传统舞蹈作为一种非物质文化遗产,是中国各民族文化的结晶,应当受到我们的重视和保护,然而随着对外开放程度的扩大,人们逐渐对西方的舞蹈产生极大的兴趣,中国的传统舞蹈遭受巨大的冲击,甚至有些舞蹈面临着失传的境地,因此如何将舞蹈资... 详细信息

传统舞蹈作为一种非物质文化遗产,是中国各民族文化的结晶,应当受到我们的重视和保护,然而随着对外开放程度的扩大,人们逐渐对西方的舞蹈产生极大的兴趣,中国的传统舞蹈遭受巨大的冲击,甚至有些舞蹈面临着失传的境地,因此如何将舞蹈资源准确的记录和保存是一项重要的研究课题。拉班舞谱是一套能够有效记录舞蹈动作的舞谱体系,它具有记录准确、形象、直观的优点,而且便于阅读使用,易于保存,以一种书面的形式对舞蹈进行记录,通过阅读舞谱,表演者可以根据舞谱的记录表演出相应的舞蹈动作。拉班舞谱已被世界公认为是一种既科学又形象,并富有逻辑性的记录体系。然而拉班舞谱的绘制过程非常麻烦,因此如何快速而准确绘制拉班舞谱值得我们深入研究。本论文的研究内容是基于运动捕捉数据的拉班舞谱生成,首先利用运动捕捉设备生成运动捕捉数据BVH文件,然后将BVH文件转化为对应的拉班舞谱。本文的主要工作和创新点包括：(1)运动捕捉数据的采集。运动捕捉数据的采集阶段使用的运动捕捉系统是Natural Point公司制造的光学式运动捕捉系统OptiTrack,首先生成C3D文件格式的运动捕捉数据,然后转化为实验中需要的BVH文件格式的运动捕捉数据。(2)运动捕捉数据的局部分割。本文提出了基于角速度的运动捕捉数据的分割、基于PCA的运动捕捉数据的分割和基于PPCA的运动捕捉数据的分割三种分割方法,并对这三种分割方法进行对比,发现基于PPCA的运动捕捉数据分割方法有较好的分割效果,而传统的分割方法都是基于运动捕捉数据的整体分割,关于运动捕捉数据的局部分割的算法非常少。(3)拉班舞谱的生成。拉班舞谱的生成包括姿态分析和拉班舞谱的绘制。姿态分析是通过分析已经分割好的运动捕捉数据,从而判断支撑部位和四肢的动作,并用相应的拉班舞谱符号表示出来。拉班舞谱的绘制是将拉班舞谱符号绘制到三线十一栏中,从而形成连贯的拉班舞谱。

关键词：运动捕捉数据拉班舞谱动作分割姿态分析

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉数据的人体运动分割和标注技术

基于运动捕捉数据的人体运动分割和标注技术

引用

作者：孙丽雅北京交通大学

学位级别：硕士

自二十世纪九十年代以来,随着运动捕捉技术的兴起及运动捕获设备的发展,具有较强真实感的人体运动捕捉数据大量产生。然而,运动捕捉数据库的规模越来越庞大,运动的种类越来越复杂,如何更合理、更高效地管理和利用运动捕捉数据,从而得到... 详细信息

自二十世纪九十年代以来,随着运动捕捉技术的兴起及运动捕获设备的发展,具有较强真实感的人体运动捕捉数据大量产生。然而,运动捕捉数据库的规模越来越庞大,运动的种类越来越复杂,如何更合理、更高效地管理和利用运动捕捉数据,从而得到符合需求的数据已变得非常重要。人们最自然接受的管理办法,就是将运动捕捉数据根据语义类型进行分类,因此,对已有的人体运动捕捉数据进行分割、标注成为了当前运动捕捉的一大研究热点和难点。本文主要研究了人体运动行为分割和标注问题,分别提出了基于局部异常因子的人体运动行为分割方法和基于运动模板的人体运动行为标注方法,并构建了人体运动行为分割系统。论文的主要工作如下：针对人体运动行为分割问题,本文引入一种经典的异常检测算法——局部异常因子(Local Outlier Factor, LOF)来寻找不同语义运动片段之间的分割点,提出了一种基于LOF的运动行为分割方法。首先,通过提取骨骼夹角特征的方式将原始运动数据降维；然后,引入滑动窗口作为统计单位,绘制滑动窗口内每个骨骼夹角的统计直方图作为再次降维后的特征；接下来,计算每个滑动窗口特征的局部密度和局部异常因子；最后,LOF曲线中的极大值点即为不同语义运动之间的分割点。实验结果表明,对比经典的基于概率主成分分析(Probabilistic Principal Component Analysis, PPCA)行为分割方法,本文的方法有更好的分割效果。针对人体运动行为标注问题,本文采用运动场(Motion Filed)来合成不同语义运动的运动模板,提出了一种基于运动模板(Motion Templates, MTs)的运动行为标注方法。运动场通过将同类运动的数据帧放入一个场内,忽略他们的时间先后关系,每一帧都是由上一帧的邻近帧加权平均得到的,因此合成的运动具有模板的平均特性,可以作为一类运动的评价标准。再得到模板后,未知运动与各类的运动模板通过动态时间规整(Dynamic Time Warping, DTW)算法进行匹配来判断归属类型。本文设计并开发了基于OpenGL的人体运动行为分割系统,可以实现运动捕捉数据的动态播放和基于LOF人体运动行为自动分割。系统采用C++语言开发,界面依托Qt框架。本系统的开发为后续研究奠定了重要基础。

关键词：运动分割局部异常因子运动场运动标注运动模板运动捕捉数据

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉数据的拉班舞谱自动生成研究

基于运动捕捉数据的拉班舞谱自动生成研究

引用

作者：陈皓北京交通大学

学位级别：硕士

目前,尽管我国已经意识到保护民族文化资源的重要性,将数以百计的少数民族舞蹈列入我国重要的非物质文化遗产保护项目,但仍旧有很多民族舞蹈面临着消失的危险。与此同时,拉班舞谱经过数十年的传播发展,在全世界范围内已得到广泛认可。... 详细信息

目前,尽管我国已经意识到保护民族文化资源的重要性,将数以百计的少数民族舞蹈列入我国重要的非物质文化遗产保护项目,但仍旧有很多民族舞蹈面临着消失的危险。与此同时,拉班舞谱经过数十年的传播发展,在全世界范围内已得到广泛认可。如果我们能够有效地利用拉班舞谱对各式各样的少数民族舞蹈进行记录和保存,使其能够经久不衰的流传下去,这将会是一件十分有意义的事情。本文的主要目的是通过使用运动捕捉数据BVH (Biovision Hierarchical Data)文件作为原始数据,通过解析BVH文件的骨架层次结构,量化运动方向与时间,自动地生成与其相对应的拉班舞谱。本文所使用的BVH数据是具有22个节点的人体骨骼模型。本文深入探讨了拉班舞谱的记谱规律和基本要素,并对BVH文件的进行了结构的解析和数据的转换。在此基础之上,提出了由运动捕捉数据到拉班舞谱的转换算法,并最终实现了拉班舞谱的自动生成。结果证明,对于不是很复杂的人体运动,我们能够生成较为准确的舞谱。因为该项研究在国内目前仍处于比较初期的阶段,在未来仍需要对其进行不断深入地研究才能够取得更大的成果。在文章的最后,我们对研究过程中发现的问题进行了概括总结和展望,并提出了接下来的研究方向。总结起来,本论文主要阐述了以下几个方面的工作： (1)对拉班舞谱进行了深入的研究,分析了拉班舞谱的记谱规律和基本要素； (2)对运动捕捉数据BVH文件进行了结构的解析和数据的转换； (3)设计了由运动捕捉数据到拉班舞谱的转换算法,并最终实现了拉班舞谱的自动生成,且结果较为准确。

关键词：拉班舞谱运动捕捉运动捕捉数据 BVH文件欧拉角

来源：评论

学校读者我要写书评

暂无评论

基于运动捕捉的人体行为数据编辑与重用技术研究

基于运动捕捉的人体行为数据编辑与重用技术研究

引用

作者：昝晓菲北京交通大学

学位级别：硕士

人体运动捕捉技术能够精准地记录人体在三维空间的运动轨迹,它被广泛地应用在电影动画、虚拟现实、运动健康等领域。人体运动捕捉技术的普及,使得如何对大量的运动捕捉数据进行有效的编辑和重用处理成为一个具有挑战性的课题。运动捕捉... 详细信息

人体运动捕捉技术能够精准地记录人体在三维空间的运动轨迹,它被广泛地应用在电影动画、虚拟现实、运动健康等领域。人体运动捕捉技术的普及,使得如何对大量的运动捕捉数据进行有效的编辑和重用处理成为一个具有挑战性的课题。运动捕捉数据的编辑与重用处理包含了一系列相关技术,本文围绕其中的三种重要技术展开,分别对人体运动分割、运动捕捉数据关键巾帧提取、人体运动合成进行了研究。主要研究内容包括:在人体运动分割方面,本文提出了一种基于运动捕捉数据多层次信息的运动分割模型。该模型同时利用了运动捕捉数据的低层次物理信息和高层次数据分布信息进行运动分割:首先,引入密度峰值聚类(Density Peaks Clustering)算法用于解决运动分割问题,并对其进行了优化,得到一个较好的初始分割结果;然后,使用对齐聚类分析(Aligned Cluster Analysis)方法对初始分割结果进行优化分割。优化后的密度峰值聚类算法和对齐聚类分析方法优势互补,提升了分割模型在分割正确率、稳定性等方面的表现。在运动捕捉数据关键帧提取方面,本文提出了一种基于自适应量子粒子群优化(Adaptive Quantum-Behaved Particle Swarm Optimization)算法的关键巾帧提取方法。该方法使用群智能优化(Swarm Intelligent Optimization)算法解决关键巾帧提取问题:首先引入了量子粒子群优化(Quantum-Behaved Particle Swarm Optimization)算法,并利用云模型(Cloud Model)对其进行自适应改进,然后迭代搜索具有最小重构误差的关键帧序列。自适应改进后的量子粒子群优化算法较强的全局收敛性和寻优能力,保证了提取出的关键帧具有较好的概括性。在人体运动合成方面,本文提出了一种基于卷积自编码器(Convolutional Autoencoder)的人体运动风格迁移(Human Motion Style Transfer)模型。从运动风格的角度出发,该模型将深度学习网络应用于人体运动合成,通过卷积自编码器对人体运动序列进行运动风格迁移:首先,构建一个卷积自编码器并对其进行训练,用于提取运动特征;然后,利用卷积自编码器构建风格迁移损失,根据风格迁移损失迭代计算隐层的运动数据;最后,通过卷积自编码器生成运动风格迁移后的运动序列。

关键词：运动捕捉数据运动分割关键帧提取运动合成运动风格迁移

来源：评论

学校读者我要写书评

暂无评论

多模态人体行为分析方法及应用研究

多模态人体行为分析方法及应用研究

引用

作者：徐佳琪北京交通大学

学位级别：硕士

随着计算机技术与人工智能的发展,利用数字化智能化手段实现视频人体行为分析已成为重要的研究课题。人体行为分析领域中存在不同模态的数据输入,包括RGB图像、人体骨骼数据等。基于RGB图像的相关研究已广泛应用于智能视频监控,而基于... 详细信息

随着计算机技术与人工智能的发展,利用数字化智能化手段实现视频人体行为分析已成为重要的研究课题。人体行为分析领域中存在不同模态的数据输入,包括RGB图像、人体骨骼数据等。基于RGB图像的相关研究已广泛应用于智能视频监控,而基于人体骨骼数据的研究则广泛应用于人机交互、舞蹈文化保护等需要识别动作细粒度属性的应用。在此背景下,本文针对视频图像、人体骨骼数据展开对视频人体行为分析关键任务的研究与应用。由于视频数据中存在丰富的时空信息,如何有效进行特征表示与时空建模一直是任务的关键。因此,本文从优化数据特征表示和增强模型的时空建模能力出发,具体研究内容如下:(1)提出了一种基于双判别器生成对抗网络的RGB异常行为检测模型。本文针对由视频监控采集的RGB图像提出通过序列判别器确保生成未来帧的长程一致性。因此,在时空建模方面,本文提出了一种基于双判别器生成对抗网络的RGB异常行为检测模型,设计了生成器与判别器的网络结构,通过两种形式的对抗训练与梯度、光流等时空损失项实现对视频图像序列的时空建模,最终达到比单判别器结构更好的性能。(2)提出了一种基于双路径融合的轻量级骨架图卷积行为识别模型。本文针对深度摄像机采集的人体骨骼数据提出参数化的骨架图表示,采用数据驱动的方式对其进行更新可以充分表达变化的动作。在时空建模方面,本文设计双路径融合的图卷积神经网络行为识别模型,该网络由两条联合空间和时间建模的路径构成,在单流网络中增强了模型对骨架序列时态变化的探索,最终在兼顾模型参数量的同时取得了优异的识别精度。(3)提出了一种面向舞谱生成应用的多特征语义辅助有向图神经网络模型。由穿戴式传感器采集的运动捕捉数据仍然属于人体骨骼数据范畴,本文针对运动捕捉数据提出骨架的有向图表示,可有效表示人体骨架的全局拓扑结构。在时空建模方面,本文在之前研究的基础上,设计基于多特征融合的语义辅助有向图神经网络模型,通过多特征融合引入了关节和骨骼的运动信息,通过嵌入的骨架语义信息促进模型对骨架数据的理解,最终实现高精度的舞谱生成效果。

关键词： RGB图像人体骨骼数据异常行为检测行为识别运动捕捉数据舞谱生成时空建模图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于特征提取的运动风格迁移方法研究

基于特征提取的运动风格迁移方法研究

引用

作者：王思敏西安理工大学

学位级别：硕士

运动捕捉技术在医学、影视、虚拟展演、体育和智能机器人等领域得到了广泛应用和发展,但高成本的运动捕捉技术使得运动捕捉数据严重匮乏,这导致动画师在创作不同的风格化角色表演中缺乏数据支持。因此,如何有效的利用现有的运动捕捉数... 详细信息

运动捕捉技术在医学、影视、虚拟展演、体育和智能机器人等领域得到了广泛应用和发展,但高成本的运动捕捉技术使得运动捕捉数据严重匮乏,这导致动画师在创作不同的风格化角色表演中缺乏数据支持。因此,如何有效的利用现有的运动捕捉数据来合成风格化运动是目前研究的热点和难点。为得到风格化运动,需要对风格特征进行提取,建立风格识别模型。本文针对目前运动风格迁移中运动捕捉数据较难处理、运动风格描述、表达、特征提取困难以及重构运动效果差等问题,研究运动捕捉数据的风格特征提取与运动风格迁移方法,以丰富运动捕捉数据的风格表达。主要内容包括: (1)针对运动风格特征描述、表达、提取困难的问题,本文提出一种基于拉班动作分析方法以及运动生物力学的动作风格特征表达与计算方法。该方法通过分析人体运动中的肢体结构、空间方位以及力效、力学等特点,从骨骼点距离,速度,加速度等角度描述风格特征,获得能够表达动作风格的特征数据。 (2)针对传统方法中使用ICA方法对运动风格迁移进行建模的过程中,不能从子空间中提取运动的空间特征问题,本文设计基于独立成分分析(Independent component analysis,ICA)和主测地线分析(Principal geodesic analysis,PGA)的运动风格重建模型。该模型使用主测地线分析PGA方法对运动数据进行降维,将运动数据映射到低维空间,刻画运动在空间上的特征;然后使用独立成分分析ICA方法对末端肢体轨迹以及风格特征进行深层风格特征分析;最后,利用逆运动学方法将风格特征(即肢体末端轨迹)映射到低维空间来重构运动。通过该方法得到的生成运动与风格运动具有较高的相似性,表明该方法可以充分提取分析运动所蕴含的风格特征,实现运动风格迁移。 (3)针对现有方法中较少关注建立每一个运动内部运动帧之间的相关性,导致生成运动中存在人体姿势前倾,腿部跨度较大,以及地面接触不良等问题,本文提出一种基于卷积自编码器(ConvolutionalAuto-Encoders,CAE)的运动风格迁移模型。首先使用卷积网络学习每一个运动帧内部的关联性;然后在运动特征空间添加运动约束来标准化生成运动,构建生成运动与内容运动之间的联系;最后利用解码操作将运动风格特征重构为运动数据。该方法使得生成运动与内容运动和风格运动具有较高相似性,提升了运动风格迁移效果。

关键词：运动风格迁移风格特征提取运动捕捉数据 PGA ICA

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：