基于局部相似性的运动捕捉数据检索

摘要

在运动捕捉数据检索这一研究领域，大多数工作关注于数据的全局相似性，然而运动捕捉数据的高度复杂性使得这类方法的发展逐渐遇到瓶颈。基于局部相似性的运动捕捉数据检索作为一种新思路，正在逐渐获得科研工作者的关注。
　　在本文中，我们提出了一种新的基于局部相似性的人体运动捕捉数据检索算法。我们首先建立一个运动数据库。数据库中包含了数量较大，种类齐全的人体运动捕捉数据。在我们提出的算法中，我们将数据库中每一段运动捕捉数据的若干相邻的数据帧作为基本单元，根据每个基本单元中包含的数据帧数目作为分类标准，构造若干个数据矩阵。数据矩阵中的每一个列向量都由一段运动捕捉数据中的一个基本单元所包含的运动信息所组成。通过使用稀疏编码与字典学习技术，我们就能够从这些数据矩阵中获取它们各自相对应的运动字典和系数矩阵，称为各数据矩阵的稀疏表达。数据矩阵中的每一个基本单元都可以近似地由相对应的运动字典中的若干个列向量的线性组合来表达，线性组合的系数就记录在系数矩阵中相对应的位置。然后，我们根据各个运动字典和相应的系数矩阵，构造了数据库中所有运动捕捉数据对应于所有运动字典的引用矩阵。在引用矩阵中记录着每一个运动捕捉数据对各个运动字典的引用模式信息。我们利用这些信息对数据库进行检索。
　　在查询过程中，我们通过稀疏编码技术获得给定的查询样例对应于各运动字典的引用模式。通过考察这种引用模式与引用矩阵中信息的相似性，我们可以对数据库中所有运动捕捉数据给出一个评分。然后，我们将检索结果按照评分由高到低的顺序进行返回。由于我们提出的算法对运动捕捉数据库的检索所依靠的依据是运动捕捉数据对引用矩阵的引用模式，所以我们提出的算法所返回的检索结果与数据中所包含的各类运动的持续时间和先后顺序无关。另外，由于我们的算法考虑了持续不同时间长度的各种运动片段，这也增加了我们算法的检索能力。实验表明，我们的算法能够获得较好的检索性能。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．2 相关工作

1．3 本文的主要工作内容

1．4 论文的组织结构

第二章 相关知识

2．1 信号的稀疏表示

2．1．1 问题描述

2．1．2 匹配追踪算法

2．2 字典学习

2．2．1 问题描述

2．2．2 K-SVD算法

第三章 算法详细设计与实验结果分析

3．1 算法思想概述

3．2 数据形式

3．3 稀疏学习与运动捕捉数据的符号化表示

3．3．1 人体骨架姿势的稀疏编码

3．3．2 运动字典学习

3．3．3 数据的符号化表示

3．4 构造引用矩阵

3．5 查询过程

3．6 实验结果与分析

3．6．1 数据集与实验环境

3．6．2 性能度量方法

3．6．3 实验结果与分析

第四章 结论与展望

4．1 结论

4．2 展望

参考文献

致谢

攻读学位期间发表的学术论文目录

攻读学位期间参与的科研项目目录