人体动作数据分析算法

发布时间：2021-12-02 17:09

　　近年来,随着运动捕捉技术的快速发展,基于捕获数据的人体运动的相关问题的研究逐步到人们的重视与关注。运动捕捉技术的进步使得人们可以轻易地获取大量高质量的捕获数据,这些数据一方面可以还原复现人体动作;另一方面是对这些人体动作捕获数据的研究,可以帮助人们在虚拟现实、医疗康复、游戏场景、军事演习以及影视制作等诸多领域取得更大的发展空间。本文论文的研究主要包括基于捕获数据的人体动作评估以及人体动作的分割这两大问题。基于捕获数据的人体动作评估是指借助捕获数据,判断与某一标准动作的相似性,既包括整体宏观动作的相似性,也包括局部肢体动作的相似性。动作评估的目的在于给出两个动作之间的相似性,尤其是一个任意动作与标准动作之间的相似性。另外,动作评估也可以为动作分类算法提供动作相似度度量。而基于捕获数据人体动作分割问题是指从连续的人体运动捕获数据中准确截取出若干具有独立语义意义的动作的片段,如击球、跳跃、奔跑等动作。有效的人体动作分割算法可以有助于捕获数据的复用和编辑。在基于捕获数据的人体动作评估部分,提出基于GRU的人体动作分类模型,其对基于LSTM的人体动作分类模型在数据、特征、模型三个方面作出改进,提... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

人体骨骼结构的示意图

图 2-2 运动骨骼链模型示意图he schematic diagram of the skeletal kinematic chain mo序列都是按照的脚本中固定的准则来执行的，这部分组成，其中每个部分被细分成多个场景。每一个场景。所有运动序列以短 T-姿态开始和结束。这

- 14 -图 3-2 长短期记忆网络Fig.3-2 Long Short Term MemoryU 是 LSTM 诸多变体中的非常流行一个种，保持了 LSTM 的效果

【参考文献】：
期刊论文
[1]基于自动编码器和神经网络的人体运动识别[J]. 司阳,肖秦琨,李兴.  国外电子测量技术. 2018(01)
[2]TensorFlow平台上基于LSTM神经网络的人体动作分类[J]. 杨煜,张炜.  智能计算机与应用. 2017(05)
[3]基于骨架特征的人体动作分类研究[J]. 庾晶,葛军,郭林.  计算机技术与发展. 2017(08)
[4]基于双向循环神经网络的评价对象抽取研究[J]. 陈鹏,徐冰,杨沐昀,李生.  智能计算机与应用. 2017(01)

硕士论文
[1]基于深度数据的人体动作分割与识别[D]. 杨睿.南京大学 2016
[2]基于捕获数据的人体运动分割方法研究[D]. 叶俊.南京理工大学 2014
[3]人体运动捕获数据的分割算法研究[D]. 冯锋.南京理工大学 2011



本文编号：3528836