学位论文 > 优秀研究生学位论文题录展示

人体运动时间序列可视化及多索引方法研究

作　者: 殷志远
导　师: 冯林
学　校: 大连理工大学
专　业: 计算机应用技术
关键词: 运动捕获正运动学流形学习多索引
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 37次
引　用: 0次
阅　读: 论文下载

内容摘要

人体运动时间序列分析在动画制作、仿生设计、体育运动及健康医疗等领域有广泛的应用空间,是当前数据挖掘领域的重要研究方向。伴随着传感器技术与摄像技术日新月异的发展,人体捕获技术也日益成熟,如何在海量的运动捕获数据库的基础上,解决人体及人体运动内在的复杂性难题,传统方法并没有给出针对人体运动深层次的知识进行理解的答案。本文针对人体运动数据库中的数据特性,引入正运动学方法,提出通过旋转矩阵及齐次变换阵对人体运动时间序列捕获数据进行处理,将同一时刻的关节角度采样值转化为便于处理的笛卡尔坐标系下的空间坐标值,方便人体运动符号化及降维运算。在人体运动时间序列数据库中,通过流形学习的方法对人体运动时间序列进行降维,并在低维空间中投影,实现高维序列的可视化,使之能够直观地表达人体运动变化趋势,在此基础上进行人体运动分割,寻找潜在分割点。其次,本文将人体运动符号化,利用几何关系将人体运动划分为多个属性特征,并提出一种基于人体运动属性的多索引模型,与传统的单索引结构相比,属性多索引结构强调利用人体各运动属性间的强弱关系,组合成不同的特征序列,并为此特征序列建立多索引结构。在检索过程中,首先根据属性特征在某个时间段内的变化率确定该属性特征发生变化,并据此确定待检索集。然后利用限定匹配率的最长公共子序列相似性度量方法,进行时间序列子序列的匹配,并将多个特征序列的检索结果融合得到最终的结果。实验表明基于流形学习的降维方法可以直观的反映出人体运动的变化趋势与特点,达到了人体运动可视化的效果。基于属性多索引的子序列检索算法,可以较好的保证实验中的查准率。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-13
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-11
    1.2.1 人体运动数据时间序列可视化  9-10
    1.2.2 人体运动时间序列检索  10-11
  1.3 本文主要研究内容与组织结构  11-13
2 人体运动相关知识介绍  13-28
  2.1 人体运动捕获数据描述  13-17
  2.2 运动学  17-24
    2.2.1 坐标系  17-18
    2.2.2 旋转矩阵  18-21
    2.2.3 齐次坐标变换  21-23
    2.2.4 位姿计算  23-24
  2.3 捕获数据空间表示  24-27
  2.4 本章小结  27-28
3 人体运动可视化  28-52
  3.1 数据可视化的意义与方法  28-31
  3.2 流形学习  31-44
    3.2.1 流形与流形学习  31-36
    3.2.2 主成分分析  36-37
    3.2.3 多维尺度变换  37-39
    3.2.4 等距特征映射  39-41
    3.2.5 局部线性嵌入  41-44
  3.3 人体运动可视化分割点检测方法  44-51
  3.4 本章小结  51-52
4 属性多索引检索方法  52-64
  4.1 人体运动符号化方法分析  52-55
  4.2 属性多索引模型的建立  55-57
    4.2.1 索引序列与查询序列划分  56
    4.2.2 模型建立  56-57
  4.3 属性多索引模型检索方法  57-60
    4.3.1 确定待检索的特征集  58-59
    4.3.2 Limited-LCSS算法  59-60
  4.4 实验结果与分析  60-62
  4.5 本章小结  62-64
结论  64-66
参考文献  66-69
攻读硕士学位期间发表学术论文情况  69-70
致谢  70-71

人体运动时间序列可视化及多索引方法研究

内容摘要

全文目录

相似论文