文摘
英文文摘
第1章绪论
1.1研究动机
1.2研究问题以及现状
1.3本文贡献
1.4本文组织
第2章相关研究综述
2.1运动捕获技术简介
2.2运动捕获数据的预处理技术及相关研究
2.2.1运动捕获数据的特征提取
2.2.2降维技术相关研究
2.3运动数据的索引和检索相关研究
2.3.1运动数据的索引
2.3.2相似度的计算和匹配
2.4机器学习技术以及相关研究
2.4.1决策树
2.4.2多示例学习
2.5三维运动捕获数据的重用
2.6 小结
第3章三维人体运动捕获数据的特征提取
3.1人体运动模型
3.2人体骨骼特征
3.2.1骨骼夹角特征
3.2.2骨骼球坐标特征
3.3二维几何特征
3.4三维时空特征的提取
3.4.1三维时空特征的提出
3.4.2三维时空特征的计算
3.4.3三维时空特征的时间特性提取
3.4.4提取关键时空和索引
3.4.5运动的语义特征
3.5小结
第4章运动捕获数据降维以及分段
4.1运动数据的降维
4.1.1线性主成分分析降维
4.1.2非线性流形学习(ISOMAP)降维
4.2基于子空间的长运动序列的分段
4.2.1利用PCA线性子空间的运动分段
4.2.2利用ISOMAP非线性子空间的运动分段
4.3用马尔科夫链构建运动时间动态模型
4.4实验结果
4.4.1 PCA和ISOMAP的降维效果的比较
4.4.2ISOMAP与扩展Map方法性能比较
4.4.3运动分段方法的实验分析和比较
4.5 小结
第5章大规模三维人体运动库的有效索引
5.1检索树索引
5.1.1基于动态聚类的运动检索树的构造
5.1.2基于PCA子空间的索引树
5.2基于边界的索引
5.2.1较低边界的计算
5.2.2边界函数的求解
5.2.3基于边界函数的R树索引
5.2.4搜索算法
5.3双向参考点索引
5.3.1参考索引的定义
5.3.2参考点的选取
5.3.3参考点和数据库之间的映射
5.4基于时空特征的快速检索
5.5运动匹配
5.6实验结果
5.7 小结
第6章基于机器学习的运动识别
6.1集成的多示例决策树
6.1.1决策树的生成
6.1.2多示例学习的决策树
6.1.3集成学习
6.2基于集成隐马尔科夫模型的运动识别
6.2.1隐马尔可夫模型的介绍
6.2.2基于三维时空特征的隐马尔科夫模型
6.2.3集成学习的隐马尔科夫模型
6.3实验结果
6.3.1决策树性能的评估
6.3.2集成学习的决策树的性能
6.3.3集成学习的隐马尔科夫模型的运动识别和检索实验分析
6.4小结
第7章基于低维子空间的运动编辑与和合成
7.1基于PCA的线性子空间运动风格编辑
7.1.1运动风格分析模型
7.1.2新风格运动生成
7.2基于ISOMAP的非线性子空间运动风格编辑
7.2.1非线性降维
7.2.2非线性映射
7.2.3分离风格参数
7.2.4求解风格参数和内容参数
7.3小结
第8章系统构造及运行结果
8.1系统简介
8.2运动跨媒体综合检索
8.2.1查询意图多模态表达
8.2.2检索结果多类型浏览
8.3基于子空间的运动合成
8.4基于PCA的线性子空间运动风格处理
8.5基于ISOMAP的非线性子空间运动风格处理
8.5.1非线性子空间的运动编辑
8.5.2非线性子空间的运动风格生成
8.6 小结
第9章结论与展望
9.1结论
9.2展望
参考文献
攻读博士学位期间发表的论文及科研情况
致谢