声明
摘要
1 绪论
1.1 引言
1.2 研究意义
1.2.1 人体运动捕获技术
1.2.2 群智能优化算法在人体运动捕获数据关键帧提取上的应用
1.3 国内外研究现状
1.4 论文组织结构
2 数据预处理
2.1 ASF/AMC格式人体运动捕获数据
2.1.1 ASF文件格式
2.1.2 AMC文件格式
2.2 相关数学背景知识
2.2.1 矩阵
2.2.2 欧拉角
2.2.3 四元数
2.2.4 三种表示形式之间的转换
2.3 ASF/AMC文件的解析
2.4 本章总结
3 基于萤火虫算法的关键帧提取算法
3.1 萤火虫算法简介
3.2 算法描述
3.2.1 更新荧光素值
3.2.2 查找最优个体
3.2.3 更新萤火虫位置
3.2.4 更新决策半径
3.3 萤火虫算法特点
3.4 基于萤火虫算法的关键帧提取算法
3.4.1 群智能优化算法目标函数定义
3.4.2 基于萤火虫算法的关键帧算法描述
3.4.3 基于萤火虫算法的关键帧算法的实现
3.5 关键帧提取实验
3.5.1 实验数据选择
3.5.2 实验参数选择
3.5.3 实验结果与分析
3.6 本章小结
4 基于引力搜索算法的关键帧提取算法
4.1 算法简介
4.2 算法描述
4.3 引力搜索算法特点
4.4 基于引力搜索算法的关键帧提取算法
4.4.1 基于引力搜索算法的关键帧提取算法描述
4.4.2 基于引力搜索算法的关键帧提取算法的实现
4.5 关键帧提取实验
4.5.1 实验数据选择
4.5.2 实验参数选择
4.5.3 实验结果与分析
4.6 本章小结
5 基于生物地理学优化算法的关键帧提取算法
5.1 算法简介
5.2 迁移模型
5.3 算法描述
5.3.1 迁移操作
5.3.2 变异操作
5.4 生物地理学优化算法特点
5.5 基于生物地理学优化算法的关键帧提取算法
5.5.1 基于生物地理学优化算法的关键帧提取算法描述
5.5.2 基于生物地理学优化算法的关键帧提取算法的实现
5.6 关键帧提取实验
5.6.1 实验数据选择
5.6.2 实验参数选择
5.6.3 实验结果与分析
5.7 本章小结
6 基于量子粒子群优化算法的关键帧提取算法
6.1 算法简介
6.2 数学描述
6.3 量子粒子群优化算法特点
6.4 基于量子粒子群优化算法的关键帧提取方法
6.4.1 基于量子粒子群优化算法的关键帧提取算法描述
6.4.2 基于量子粒子群优化算法的关键帧提取算法的实现
6.5 关键帧提取实验
6.5.1 实验数据选择
6.5.2 实验参数选择
6.5.3 实验结果与分析
6.6 本章小结
7 关键帧提取算法综合实验分析
7.1 实验数据选择
7.2 实验参数选择
7.3 实验结果与分析
7.3.1 基于压缩率为目标的实验结果
7.3.2 基于运动概括能力为目标的实验结果
7.3.3 四种关键帧提取方法优化性能比较
7.3.4 关键帧提取准确率
7.4 本章小结
致谢
参考文献
附录 攻读硕士学位期间发表的论文和出版著作情况