基于縮略圖的人體運動捕獲數(shù)據(jù)檢索.pdf

1、隨著運動捕捉技術(shù)的高速發(fā)展，越來越多的優(yōu)質(zhì)運動捕獲數(shù)據(jù)不斷涌現(xiàn)，并廣泛應(yīng)用于各行各業(yè)。例如，影視產(chǎn)業(yè)、視頻游戲領(lǐng)域、虛擬現(xiàn)實交互、計算機(jī)醫(yī)學(xué)輔助等。完成一次動作數(shù)據(jù)捕獲相當(dāng)耗時耗錢。為此，計算機(jī)科學(xué)家們開始將研究重點轉(zhuǎn)移到了如何對已有的三維人體運動捕獲數(shù)據(jù)進(jìn)行分析、檢索、合成與分割，從而達(dá)到重復(fù)利用的目的。
　　檢索是復(fù)用優(yōu)質(zhì)運動捕獲數(shù)據(jù)的關(guān)鍵環(huán)節(jié)，為了更加高效的檢索和查看大量真實感超強(qiáng)的三維人體運動捕獲數(shù)據(jù)，本文提出了一種SK-

2、means聚類算法，在傳統(tǒng)的K-means聚類算法中引入了概率統(tǒng)計信息，采用無監(jiān)督學(xué)習(xí)進(jìn)行運動捕獲數(shù)據(jù)的組織，以語義關(guān)鍵幀生成縮略圖作為檢索預(yù)覽圖，實現(xiàn)高效直觀的檢索。該方法用分三個階段實現(xiàn)對運動捕獲數(shù)據(jù)的高效檢索。首先，引入統(tǒng)計訓(xùn)練信息對運動數(shù)據(jù)進(jìn)行K-mean聚類得到類型描述符，進(jìn)而實現(xiàn)快速字符匹配。其次，在檢索過程中學(xué)習(xí)用戶的檢索信息，統(tǒng)計每個數(shù)據(jù)檢索率，實現(xiàn)民主決策檢索排名，從而達(dá)到降低聚類誤差的同時提高檢索準(zhǔn)確度。最后，提出一