基于人體運(yùn)動捕捉數(shù)據(jù)的運(yùn)動分析技術(shù)研究.pdf

1、人體運(yùn)動捕捉數(shù)據(jù)能夠較好地保存運(yùn)動的細(xì)節(jié)并真實(shí)地記錄人體運(yùn)動的軌跡，已經(jīng)被廣泛地應(yīng)用于虛擬現(xiàn)實(shí)、三維游戲、影視特效等眾多領(lǐng)域。隨著運(yùn)動捕捉數(shù)據(jù)庫中運(yùn)動數(shù)據(jù)的不斷增長，如何對人體運(yùn)動數(shù)據(jù)進(jìn)行合理有效的分析已成為當(dāng)前的研究熱點(diǎn)。運(yùn)動分析的主要目的是為了更好的理解與描述運(yùn)動的過程，以便對運(yùn)動捕捉數(shù)據(jù)庫中已有的運(yùn)動捕捉數(shù)據(jù)進(jìn)行管理與重用。
　　本文針對運(yùn)動捕捉數(shù)據(jù)庫中現(xiàn)有的人體運(yùn)動捕捉數(shù)據(jù)，對運(yùn)動數(shù)據(jù)行為分割、運(yùn)動模板提取計算與運(yùn)動行為識

2、別等運(yùn)動數(shù)據(jù)分析方法進(jìn)行了研究。本論文的主要研究工作包括:
　　在運(yùn)動數(shù)據(jù)行為分割方面，提出了一種新的運(yùn)動捕捉數(shù)據(jù)的字符串表示方法，將高維的人體運(yùn)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(yùn)動捕捉數(shù)據(jù)視為高維的數(shù)據(jù)點(diǎn)集，使用基于密度的聚類方法進(jìn)行聚類，并用字符表示所得類別;通過時序恢復(fù)處理，將聚類所得的字符表示的高維數(shù)據(jù)點(diǎn)集按照原始運(yùn)動序列的時序進(jìn)行重新排序，得到原始運(yùn)動捕捉序列對應(yīng)的字符串，該字符串被稱為行為串（Behavi

3、or String，簡稱BS）;通過對行為串進(jìn)行分析，實(shí)現(xiàn)對人體運(yùn)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(yīng)的運(yùn)動周期。
　　在運(yùn)動模板提取計算方面，對原始關(guān)系特征進(jìn)行改進(jìn)，并實(shí)現(xiàn)了一種基于改進(jìn)關(guān)系特征的運(yùn)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(yùn)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(jìn)行

4、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(jìn)行反變換，最后進(jìn)行量化得到該類別運(yùn)動行為對應(yīng)的運(yùn)動模板。
　　在運(yùn)動行為識別方面，提出了一種基于運(yùn)動模板的運(yùn)動行為識別方法，能夠?qū)υ歼\(yùn)動數(shù)據(jù)序列進(jìn)行行為分割所得到的運(yùn)動片段自動進(jìn)行行為識別。該方法根據(jù)待識別的運(yùn)動序列對應(yīng)的人體骨架模型中根節(jié)點(diǎn)的運(yùn)動軌跡將其分為根節(jié)點(diǎn)運(yùn)動和根節(jié)點(diǎn)靜止兩類，基于DTW方法將待識別的運(yùn)動序列依次與不同運(yùn)動行為的運(yùn)動