人体运动合成的机器学习方法研究

摘要

随着以三维电影和游戏为代表的数字媒体娱乐产业的兴起，计算机动画技术的得到了长足的发展，已经成为国内外学者研究的热点。其中，人体运动捕获技术因其相对于其他运动生成技术的巨大优势，在科学研究和商业领域中应用十分广泛，但人体捕获技术也存在捕获成本昂贵、运动捕获数据重用率低等问题。如何对运动捕获数据进行重用，利用已有运动序列获得新的运动，具有非常重要的研究和经济意义。
　　 人体运动合成是指通过对运动数据库中的已有运动进行修改，产生符合要求的新的运动片段。本文工作的意义在于，通过机器学习算法中的成分分析方法对运动数据建立语义化参数模型，利用带有具体语义信息的低维参数控制具有高维特性的人体运动序列，从而合成出逼真、自然的运动片段。主要包括以下3方面内容。
　　 1.基于独立成分分析的运动风格迁移算法。该方法将单个运动序列的每一帧作为样本，对两个具有不同风格的相似运动序列的组合进行独立成分分析，提取出独立成分中变化趋势差异较大的独立成分进行选择，将带有特有风格的独立成分分量在两个运动序列中迁移，合成出新的运动序列。通过实验验证了该算法能够实现运动风格的迁移。
　　 2.基于主成分分析和分块主成分分析的人体运动合成。基于主成分分析的人体运动合成算法对运动数据库中的相似运动片段进行处理，将高维运动数据映射到低维空间中，通过修改低维参数合成新的运动，该算法存在低维参数的不可理解性问题。本文在此基础上，提出了一种基于分块主成分分析的人体运动合成方法。该算法根据人体骨骼模型对运动数据分组，对每个分组分别进行主成分分析，所获得的低维参数具有特定的语义。通过实验证明，用户可以直观地理解低维参数的语义，其算法效率也达到实时水平。
　　 3.基于独立成分分析和分块独立成分分析的人体运动合成。基于独立成分分析的人体运动合成算法过程与基于主成分分析的人体运动合成算法相似，采用独立成分分析对运动数据进行处理，获得的低维语义参数解决了可理解性问题。本文对该算法进行了改进，结合独立成分分析与运动数据分组思想，提出了一种基于分块独立成分分析的人体运动合成算法。通过增加分组内独立成分的个数，提高了局部运动细节控制力度。实验证明，改进后的算法在满足用户要求的同时，降低了用户的交互复杂度。

目录

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 人体运动合成

1．2．3 机器学习在人体运动捕获数据上的应用

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 引言

2．2 ASF-AMC人体运动捕获数据

2．2．1 ASF文件格式

2．2．2 AMC文件格式

2．3 数学背景知识与ASF-AMC文件解析

2．3．1 方位、方向、角位移概述

2．3．2 欧拉角概念

2．3．3 四元数概念

2．3．4 ASF-AMC文件的解析

2．4 基于DTW的运动时间对齐

2．4．1 动态时间弯曲概述

2．4．2 动态时间弯曲算法

2．4．3 动态时间弯曲实验结果与分析

2．5 本章小结

3 基于ICA的运动风格迁移

3．1 引言

3．2 独立成分分析

3．2．1 独立成分分析概述

3．2．2 独立成分分析算法模型

3．3 运动风格迁移

3．3．1 运动数据表示的选择

3．3．2 运动组合

3．3．3 独立成分生成

3．3．4 运动风格独立分量选择

3．3．5 独立分量交换

3．3．6 实验结果与分析

3．4 本章小结

4 基于PCA和分块PCA的运动合成

4．1 引言

4．2 主成分分析

4．2．1 主成分分析概述

4．2．2 主成分分析的理论基础

4．3 基于PCA的人体运动合成

4．3．1 数据预处理

4．3．2 PCA处理运动

4．3．3 提取时间参数

4．3．4 运动合成

4．4 基于分块PCA的运动合成

4．4．1 数据分块

4．4．2 分块PCA处理运动

4．4．3 运动合成

4．5 实验结果与分析

4．5．1 基于PCA的人体运动合成方法实验

4．5．2 基于分块PCA的人体运动合成实验

4．6 本章小结

5 基于ICA和分块ICA的人体运动合成

5．1 引言

5．2 基于ICA的人体运动合成

5．2．1 ICA处理运动

5．2．2 对时间参数处理

5．2．3 运动合成

5．3 基于分块ICA的人体运动合成

5．3．1 数据分块

5．3．2 分块ICA处理运动

5．3．3 运动合成

5．4 实验结果与分析

5．4．1 基于ICA的人体运动合成方法实验

5．4．2 基于分块ICA的人体运动合成方法实验

5．5 本章小结

6 总结与展望

6．1 本文总结

6．2 未来工作展望

致谢

参考文献

附录