基于人体运动捕捉数据的运动分析技术研究

发布时间：2017-05-19 14:30

  本文关键词：基于人体运动捕捉数据的运动分析技术研究，，由笔耕文化传播整理发布。

【摘要】：人体运动捕捉数据能够较好地保存运动的细节并真实地记录人体运动的轨迹,已经被广泛地应用于虚拟现实、三维游戏、影视特效等众多领域。随着运动捕捉数据库中运动数据的不断增长,如何对人体运动数据进行合理有效的分析已成为当前的研究热点。运动分析的主要目的是为了更好的理解与描述运动的过程,以便对运动捕捉数据库中已有的运动捕捉数据进行管理与重用。本文针对运动捕捉数据库中现有的人体运动捕捉数据,对运动数据行为分割、运动模板提取计算与运动行为识别等运动数据分析方法进行了研究。本论文的主要研究工作包括：在运动数据行为分割方面,提出了一种新的运动捕捉数据的字符串表示方法,将高维的人体运动捕捉数据序列表示成字符串的形式。该方法将人体运动捕捉数据视为高维的数据点集,使用基于密度的聚类方法进行聚类,并用字符表示所得类别；通过时序恢复处理,将聚类所得的字符表示的高维数据点集按照原始运动序列的时序进行重新排序,得到原始运动捕捉序列对应的字符串,该字符串被称为行为串(Behavior String,简称BS)；通过对行为串进行分析,实现对人体运动捕捉数据序列的行为分割以及提取出各种行为所对应的运动周期。在运动模板提取计算方面,对原始关系特征进行改进,并实现了一种基于改进关系特征的运动模板的提取计算方法。该方法根据人体关节与空间几何的关系提出一个关系特征矩阵来描述人体各个关节的空间位置关系,将同类别运动行为的关系特征矩阵通过动态时间归整(Dynamic Time Warping,简称DTW)的方法进行时间轴对齐,并记录DTW的时间变形过程,将对齐后的矩阵求均值并根据所记录的时间变形过程进行反变换,最后进行量化得到该类别运动行为对应的运动模板。在运动行为识别方面,提出了一种基于运动模板的运动行为识别方法,能够对原始运动数据序列进行行为分割所得到的运动片段自动进行行为识别。该方法根据待识别的运动序列对应的人体骨架模型中根节点的运动轨迹将其分为根节点运动和根节点静止两类,基于DTW方法将待识别的运动序列依次与不同运动行为的运动模板进行相似性匹配计算,实现了对运动序列片段中运动行为的自动识别。
【关键词】：运动捕捉 运动分析 行为分割 运动模板 运动行为识别
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.1
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-25
• 1.1 研究背景与意义11-17
• 1.1.1 计算机动画11-12
• 1.1.2 人体运动捕捉技术12-15
• 1.1.3 基于运动捕捉数据的运动分析技术15-17
• 1.2 国内外研究现状17-21
• 1.2.1 运动数据行为分割技术17-19
• 1.2.2 运动模板提取计算19-20
• 1.2.3 运动行为识别技术20-21
• 1.3 主要研究内容21-23
• 1.4 论文组织结构23-25
• 2 基于人体运动捕捉数据的运动分析相关技术25-37
• 2.1 人体运动捕捉数据记录25-28
• 2.1.1 人体骨架数据25-28
• 2.1.2 人体运动数据28
• 2.2 人体运动姿态的数值描述28-33
• 2.2.1 旋转矩阵表示法28-29
• 2.2.2 欧拉角表示法29-30
• 2.2.3 四元数表示法30-31
• 2.2.4 三种表示方法之间的转换与比较31-32
• 2.2.5 关节点全局坐标的计算方法32-33
• 2.3 运动序列之间距离度量33-36
• 2.3.1 欧氏距离度量33-34
• 2.3.2 动态时间归整距离度量34-36
• 2.4 本章小结36-37
• 3 基于行为串的运动数据行为分割37-49
• 3.1 运动捕捉数据的行为串描述37-41
• 3.1.1 两点之间的相似性38
• 3.1.2 局部密度与距离38-39
• 3.1.3 聚类与时序恢复39-41
• 3.2 运动数据序列行为分割41-45
• 3.2.1 代表运动行为的关键词41-43
• 3.2.2 行为分割点与运动周期43-45
• 3.3 实验结果与分析45-48
• 3.4 本章小结48-49
• 4 基于关系特征的运动模板的提取计算49-65
• 4.1 关系特征矩阵描述49-56
• 4.1.1 关系特征函数的定义及计算方法49-51
• 4.1.2 原始的关系特征序列51-54
• 4.1.3 改进的关系特征序列54-56
• 4.2 运动模板计算56-61
• 4.3 实验结果与分析61-63
• 4.4 本章小结63-65
• 5 基于运动模板的运动行为识别65-75
• 5.1 运动序列的识别方法65-71
• 5.1.1 基于根节点位置变化的预分类66-67
• 5.1.2 基于模板匹配的识别过程67-71
• 5.2 实验结果与分析71-74
• 5.3 本章小结74-75
• 6 总结与展望75-77
• 6.1 总结75-76
• 6.2 展望76-77
• 参考文献77-81
• 作者简历及攻读硕士学位期间取得的研究成果81-85
• 学位论文数据集85

【相似文献】

中国期刊全文数据库 前10条

1 李宁;须德;傅晓英;袁玲;;结合人体运动特征的行为识别[J];北京交通大学学报;2009年02期

2 张伟东;陈峰;徐文立;杜友田;;基于阶层多观测模型的多人行为识别[J];清华大学学报(自然科学版);2009年07期

3 吴联世;夏利民;罗大庸;;人的交互行为识别与理解研究综述[J];计算机应用与软件;2011年11期

4 申晓霞;张桦;高赞;薛彦兵;徐光平;;一种鲁棒的基于深度数据的行为识别算法[J];光电子.激光;2013年08期

5 郑胤;陈权崎;章毓晋;;深度学习及其在目标和行为识别中的新进展[J];中国图象图形学报;2014年02期

6 曾青松;余明辉;贺卫国;李玲;;一种行为识别的新方法[J];昆明理工大学学报(理工版);2009年06期

7 谷军霞;丁晓青;王生进;;基于人体行为3D模型的2D行为识别[J];自动化学报;2010年01期

8 李英杰;尹怡欣;邓飞;;一种有效的行为识别视频特征[J];计算机应用;2011年02期

9 王新旭;;基于视觉的人体行为识别研究[J];中国新通信;2012年21期

10 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用[J];北京邮电大学学报;2014年S1期

中国重要会议论文全文数据库 前7条

1 苗强;周兴社;於志文;倪红波;;一种非觉察式的睡眠行为识别技术研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

2 齐娟;陈益强;刘军发;;基于多模信息感知与融合的行为识别[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

3 方帅;曹洋;王浩;;视频监控中的行为识别[A];2007中国控制与决策学术年会论文集[C];2007年

4 黄紫藤;吴玲达;;监控视频中简单人物行为识别研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 安国成;罗志强;李洪研;;改进运动历史图的异常行为识别算法[A];第八届中国智能交通年会优秀论文集——智能交通与安全[C];2013年

6 王忠民;曹栋;;坐标转换在移动用户行为识别中的应用研究[A];2013年全国通信软件学术会议论文集[C];2013年

7 刘威;李石坚;潘纲;;uRecorder:基于位置的社会行为自动日志[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国重要报纸全文数据库 前4条

1 李晨光;导入CIS要注意什么？[N];河北经济日报;2001年

2 农发行鹿邑支行党支部书记 行长 刘永贞;发行形象与文化落地农[N];周口日报;2007年

3 东林;行为识别新技术让监控没有“死角”[N];人民公安报;2007年

4 田凯　徐蕊 李政育 信木祥;博物馆安全的国际经验[N];中国文物报;2014年

中国博士学位论文全文数据库 前10条

1 邵延华;基于计算机视觉的人体行为识别研究[D];重庆大学;2015年

2 仝钰;基于条件随机场的智能家居行为识别研究[D];大连海事大学;2015年

3 冯银付;多模态人体行为识别技术研究[D];浙江大学;2015年

4 姜新波;基于三维骨架序列的人体行为识别研究[D];山东大学;2015年

5 韩姗姗;基于视觉的运动人体特征描述与行为识别研究[D];浙江工业大学;2015年

6 何卫华;人体行为识别关键技术研究[D];重庆大学;2012年

7 吴秋霞;复杂场景下的人体行为识别[D];华南理工大学;2012年

8 于成龙;基于视频的人体行为识别关键技术研究[D];哈尔滨工业大学;2014年

9 王亮;基于判别模式学习的人体行为识别方法研究[D];哈尔滨工业大学;2011年

10 付朝霞;基于视频流的人体目标检测与行为识别研究[D];中北大学;2013年

中国硕士学位论文全文数据库 前10条

1 唐小琴;基于全局和局部运动模式的人体行为识别研究[D];西南大学;2015年

2 胡秋扬;可穿戴式个人室内位置和行为监测系统[D];浙江大学;2015年

3 陈钰昕;基于时空特性的人体行为识别研究[D];燕山大学;2015年

4 任亮;智能车环境下车辆典型行为识别方法研究[D];长安大学;2015年

5 金泽豪;并行化的人体行为识别方法研究与实现[D];华南理工大学;2015年

6 王呈;穿戴式多传感器人体日常活动监测系统设计与实现[D];南京理工大学;2015年

7 王露;基于稀疏时空特征的人体行为识别研究[D];苏州大学;2015年

8 于静;基于物品信息和人体深度信息的行为识别研究[D];山东大学;2015年

9 章瑜;人体运动行为识别相关方法研究[D];南京师范大学;2015年

10 赵扬;家庭智能空间下基于行走轨迹的人体行为理解[D];山东大学;2015年

  本文关键词：基于人体运动捕捉数据的运动分析技术研究，由笔耕文化传播整理发布。

本文编号：378975