基于深度时空特征挖掘的人体骨骼数据建模与姿态过渡技术研究
发布时间：2022-01-08 03:19
自运动捕捉技术的问世,便对当时的动画制作及现在的电影制作、虚拟现实、机器人控制、医疗健康等各方面产生了深远的影响。人工智能时代的到来,自动驾驶汽车、服务型智能机器人等需要具备一定的行为交互能力,人体运动的动作预测提前感知潜在的动作,以提供无缝的交互体验。在动画创作、电影特效制作中,为充分利用运动序列,将短时、单一语义的序列片段,将其平滑过渡拼接成一个长时的具有特殊含义的运动序列。针对以上两类问题,本文聚焦于深度学习,建立神经网络预测模型、双向预测融合模型两个方面的内容,研究成果分别如下:（1）基于注意力机制的神经网络预测模型:人体骨骼运动数据是在时间域上连续的序列,而LSTM非常适合处理时间序列的数据,不同的是在每个循环神经单元前构建注意力层。每个时间步的运动帧首先经由注意力层分配单帧中的每个关节点注意力权重,提取运动序列中的明显或隐含的特征,再由循环神经单元堆叠运动帧在时间域上的特征。为提升模型性能,在解码器部分添加残差连接。实验结果表明所搭建的网络模型对人体运动预测任务有着杰出的预测性能。（2）基于图卷积的神经网络预测模型:人的运动在时间和空间上都保持连续性,而上一个工作忽略了人体...
【文章来源】：华侨大学福建省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
机械式运动捕捉设备示意图①自由度相对较低，使用不方便，对复杂的动作很难能够捕捉完成
第1章绪论3时间调制式主动标记点设备等。通过演员身穿带有这些标记点的紧身衣，并由相机进行标记点跟踪和监视以完成捕捉的任务，对演员进行拍摄，记录演员在运动过程中的空间位置和方向，完成运动捕捉的目的。光学式运动捕捉设备一般情况下在进行运动数据捕捉时，需要6~8台相机，围绕场地进行拍摄，在演员身体的关键的关节点粘贴发光或标志点，如肘关节、膝关节等。然后由相机进行拍摄演员的连续动作，并将图像和标记关节点的数据保存下来，然后这些数据再进行分析处理，找出数据图像中的每帧中的标志点，可以得到每个标志点的运动轨迹，也就是对演员动作捕捉的数据。光学式的运动捕捉设备的通常需要相机具有较高的拍摄帧率，而且该设备的价格高昂，后期处理图像的工作量大，处理时间长。但是其优点是精度较高，对演员的束缚较小，图1.2光学式运动捕捉技术设备①没有像机械式捕捉设备或者线缆的限制，能够完成高难度复杂度的动作。因此其高昂的价格及性能，比较适合科学研究这样的项目使用。如图1.2所示：表示的是光学式运动捕捉技术设备。（3）电磁式设备。电磁式运动捕捉设备的原理，一般是由数据处理单元、发射源以及接收传感器三个部分组成。其中，接收传感器是需要放置在演员的重要肢体关节上，并通过有线的方式与数据处理单元相连。接收传感器也是数据采集的主要部件，它是由三个正交的线圈组成，在通电后，演员在磁场内进①https://www.vicon.com/hardware/
华侨大学硕士学位论文4行特定动作表演时，通过处理单元计算接收器线圈的磁通量来得到每个接收传感器的位置和方向，达到捕捉运动数据的目的。这种设备的优点是采集的数据维度高，它能够同时得到表演者的位置空间信息和方向信息，速度快，实时性好，价格低廉但是电磁式的捕捉设备很容易受到磁尝磁铁或者其他磁性物质的干扰，因此这种设备采集数据对磁场环境的要求较高。否则容易导致磁场混乱，影响数据采集的精度。为了保持较高的精度，通常采用很低的采样率如15Hz/s。如图1.3所示电磁式运动捕捉设备示意图：图1.3电磁式运动捕捉示意图①（4）声学式设备。声学式运动捕捉设备是由超声波发生器、接收器和数据处理单元三部分组成，一般是将超声波发生器放置在演员肢体关节点部位，发出持续的超声波，通过接收器计算每个发送器所在的位置和方向。这种设备使用方便，演员不需要穿着复杂的动作捕捉仪器，不需要特殊标记点。给了演员很大的运动自由度，能够捕捉各种场景特定表演的高难度复杂度动作。但是，这种设备对捕捉的数据具有较高的延迟、精度不高的问题；另一方面，也需要生源和接收器之间保持通畅，没有障碍物的遮挡，防止声波的反射对数据的采集造成二次干扰。声音的传播速度还受温度、湿度等环境因素的影响，因此声学式运动捕捉设备对噪声环境的要求较高。如图1.4所示声学式运动捕捉系统。（5）惯性式动作捕捉。惯性式运动捕捉设备和光学式运动捕捉设备都是当前比较常用的，惯性式设备通常也由三部分组成，即数据采集器、传输设备和数据处理单元。其中最主要的是在数据采集器中运用惯性传感器，然后将数据①http://www.wonstar.com/products/detail/7.html
【参考文献】：
期刊论文
[1]结合HMM隐状态基元和贝叶斯准则的运动捕获片段过渡[J]. 彭淑娟,洪小娇,柳欣. 小型微型计算机系统. 2015(09)
[2]仿人机器人相似性运动轨迹跟踪控制研究[J]. 柯文德,彭志平,蔡则苏,朴松昊,陈珂. 自动化学报. 2014(11)
[3]三维红外运动捕捉系统在田径技术诊断中的应用——以女子100m栏运动员王丽为例[J]. 何俊良,许以诚,李广凯. 体育科研. 2014(06)
[4]太极拳基础动作“野马分鬃”膝关节运动学、关节负荷及肌肉活动的特征比较[J]. 陶萍,于璐. 体育科学. 2014(09)
[5]运动捕捉技术在体育运动仿真中的应用[J]. 付全,赵慧勤,吴壮志. 山西大同大学学报(自然科学版). 2013(05)
[6]基于体感的人体运动捕捉技术在军事体育中的应用研究[J]. 刘卓. 军事体育学报. 2013(04)
[7]太极拳运动考评软件的设计与实现[J]. 蔡建平,淮湛欣. 软件. 2012(03)
[8]数字化三维蹦床运动模拟与仿真系统——VHTrampoline[J]. 王兆其,夏时洪,邱显杰,魏毅,刘莉,黄河. 计算机学报. 2007(03)
[9]基于多分辨率模型的快速运动过渡生成算法[J]. 杨春玲,董传良. 计算机仿真. 2007(01)
[10]虚拟人的步行和跑步运动控制方法的研究[J]. 洪炳熔,贺怀清. 高技术通讯. 2001(03)
硕士论文
[1]基于人体运动捕捉数据的仿人机器人步态规划和控制[D]. 邵杰.北京工业大学 2017
本文编号：3575795
【文章来源】：华侨大学福建省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
机械式运动捕捉设备示意图①自由度相对较低，使用不方便，对复杂的动作很难能够捕捉完成
第1章绪论3时间调制式主动标记点设备等。通过演员身穿带有这些标记点的紧身衣，并由相机进行标记点跟踪和监视以完成捕捉的任务，对演员进行拍摄，记录演员在运动过程中的空间位置和方向，完成运动捕捉的目的。光学式运动捕捉设备一般情况下在进行运动数据捕捉时，需要6~8台相机，围绕场地进行拍摄，在演员身体的关键的关节点粘贴发光或标志点，如肘关节、膝关节等。然后由相机进行拍摄演员的连续动作，并将图像和标记关节点的数据保存下来，然后这些数据再进行分析处理，找出数据图像中的每帧中的标志点，可以得到每个标志点的运动轨迹，也就是对演员动作捕捉的数据。光学式的运动捕捉设备的通常需要相机具有较高的拍摄帧率，而且该设备的价格高昂，后期处理图像的工作量大，处理时间长。但是其优点是精度较高，对演员的束缚较小，图1.2光学式运动捕捉技术设备①没有像机械式捕捉设备或者线缆的限制，能够完成高难度复杂度的动作。因此其高昂的价格及性能，比较适合科学研究这样的项目使用。如图1.2所示：表示的是光学式运动捕捉技术设备。（3）电磁式设备。电磁式运动捕捉设备的原理，一般是由数据处理单元、发射源以及接收传感器三个部分组成。其中，接收传感器是需要放置在演员的重要肢体关节上，并通过有线的方式与数据处理单元相连。接收传感器也是数据采集的主要部件，它是由三个正交的线圈组成，在通电后，演员在磁场内进①https://www.vicon.com/hardware/
华侨大学硕士学位论文4行特定动作表演时，通过处理单元计算接收器线圈的磁通量来得到每个接收传感器的位置和方向，达到捕捉运动数据的目的。这种设备的优点是采集的数据维度高，它能够同时得到表演者的位置空间信息和方向信息，速度快，实时性好，价格低廉但是电磁式的捕捉设备很容易受到磁尝磁铁或者其他磁性物质的干扰，因此这种设备采集数据对磁场环境的要求较高。否则容易导致磁场混乱，影响数据采集的精度。为了保持较高的精度，通常采用很低的采样率如15Hz/s。如图1.3所示电磁式运动捕捉设备示意图：图1.3电磁式运动捕捉示意图①（4）声学式设备。声学式运动捕捉设备是由超声波发生器、接收器和数据处理单元三部分组成，一般是将超声波发生器放置在演员肢体关节点部位，发出持续的超声波，通过接收器计算每个发送器所在的位置和方向。这种设备使用方便，演员不需要穿着复杂的动作捕捉仪器，不需要特殊标记点。给了演员很大的运动自由度，能够捕捉各种场景特定表演的高难度复杂度动作。但是，这种设备对捕捉的数据具有较高的延迟、精度不高的问题；另一方面，也需要生源和接收器之间保持通畅，没有障碍物的遮挡，防止声波的反射对数据的采集造成二次干扰。声音的传播速度还受温度、湿度等环境因素的影响，因此声学式运动捕捉设备对噪声环境的要求较高。如图1.4所示声学式运动捕捉系统。（5）惯性式动作捕捉。惯性式运动捕捉设备和光学式运动捕捉设备都是当前比较常用的，惯性式设备通常也由三部分组成，即数据采集器、传输设备和数据处理单元。其中最主要的是在数据采集器中运用惯性传感器，然后将数据①http://www.wonstar.com/products/detail/7.html
【参考文献】：
期刊论文
[1]结合HMM隐状态基元和贝叶斯准则的运动捕获片段过渡[J]. 彭淑娟,洪小娇,柳欣. 小型微型计算机系统. 2015(09)
[2]仿人机器人相似性运动轨迹跟踪控制研究[J]. 柯文德,彭志平,蔡则苏,朴松昊,陈珂. 自动化学报. 2014(11)
[3]三维红外运动捕捉系统在田径技术诊断中的应用——以女子100m栏运动员王丽为例[J]. 何俊良,许以诚,李广凯. 体育科研. 2014(06)
[4]太极拳基础动作“野马分鬃”膝关节运动学、关节负荷及肌肉活动的特征比较[J]. 陶萍,于璐. 体育科学. 2014(09)
[5]运动捕捉技术在体育运动仿真中的应用[J]. 付全,赵慧勤,吴壮志. 山西大同大学学报(自然科学版). 2013(05)
[6]基于体感的人体运动捕捉技术在军事体育中的应用研究[J]. 刘卓. 军事体育学报. 2013(04)
[7]太极拳运动考评软件的设计与实现[J]. 蔡建平,淮湛欣. 软件. 2012(03)
[8]数字化三维蹦床运动模拟与仿真系统——VHTrampoline[J]. 王兆其,夏时洪,邱显杰,魏毅,刘莉,黄河. 计算机学报. 2007(03)
[9]基于多分辨率模型的快速运动过渡生成算法[J]. 杨春玲,董传良. 计算机仿真. 2007(01)
[10]虚拟人的步行和跑步运动控制方法的研究[J]. 洪炳熔,贺怀清. 高技术通讯. 2001(03)
硕士论文
[1]基于人体运动捕捉数据的仿人机器人步态规划和控制[D]. 邵杰.北京工业大学 2017
本文编号：3575795
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3575795.html
