| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究动机 | 第10-11页 |
| ·研究问题以及现状 | 第11-12页 |
| ·本文贡献 | 第12-13页 |
| ·本文组织 | 第13-15页 |
| 第2章 相关研究综述 | 第15-32页 |
| ·运动捕获技术简介 | 第15-17页 |
| ·运动捕获数据的预处理技术及相关研究 | 第17-22页 |
| ·运动捕获数据的特征提取 | 第17-19页 |
| ·降维技术相关研究 | 第19-22页 |
| ·基于关键帧提取的降维 | 第20-21页 |
| ·基于子空间的降维 | 第21-22页 |
| ·运动数据的索引和检索相关研究 | 第22-25页 |
| ·运动数据的索引 | 第23-24页 |
| ·相似度的计算和匹配 | 第24-25页 |
| ·机器学习技术以及相关研究 | 第25-28页 |
| ·决策树 | 第25-26页 |
| ·多示例学习 | 第26-28页 |
| ·三维运动捕获数据的重用 | 第28-31页 |
| ·小结 | 第31-32页 |
| 第3章 三维人体运动捕获数据的特征提取 | 第32-45页 |
| ·人体运动模型 | 第32-33页 |
| ·人体骨骼特征 | 第33-35页 |
| ·骨骼夹角特征 | 第33-34页 |
| ·骨骼球坐标特征 | 第34-35页 |
| ·二维几何特征 | 第35-38页 |
| ·三维时空特征的提取 | 第38-44页 |
| ·三维时空特征的提出 | 第38-39页 |
| ·三维时空特征的计算 | 第39-41页 |
| ·三维时空特征的时间特性提取 | 第41-42页 |
| ·提取关键时空和索引 | 第42-43页 |
| ·运动的语义特征 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第4章 运动捕获数据降维以及分段 | 第45-59页 |
| ·运动数据的降维 | 第45-51页 |
| ·线性主成分分析降维 | 第45-47页 |
| ·非线性流形学习(ISOMAP)降维 | 第47-51页 |
| ·ISOMAP的原理 | 第47-48页 |
| ·ISOMAP算法 | 第48-50页 |
| ·ISOMAP的扩展 | 第50-51页 |
| ·基于子空间的长运动序列的分段 | 第51-54页 |
| ·利用 PCA线性子空间的运动分段 | 第51-53页 |
| ·利用 ISOMAP非线性子空间的运动分段 | 第53-54页 |
| ·用马尔科夫链构建运动时间动态模型 | 第54-55页 |
| ·实验结果 | 第55-58页 |
| ·PCA和 ISOMAP的降维效果的比较 | 第55-56页 |
| ·ISOMAP与扩展 Map方法性能比较 | 第56-57页 |
| ·运动分段方法的实验分析和比较 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第5章 大规模三维人体运动库的有效索引 | 第59-75页 |
| ·检索树索引 | 第59-62页 |
| ·基于动态聚类的运动检索树的构造 | 第59-60页 |
| ·基于PCA子空间的索引树 | 第60-62页 |
| ·提取特征向量 | 第60-61页 |
| ·基于本征向量的索引树 | 第61-62页 |
| ·基于边界的索引 | 第62-65页 |
| ·较低边界的计算 | 第62页 |
| ·边界函数的求解 | 第62-63页 |
| ·基于边界函数的 R树索引 | 第63-64页 |
| ·搜索算法 | 第64-65页 |
| ·双向参考点索引 | 第65-69页 |
| ·参考索引的定义 | 第65-66页 |
| ·参考点的选取 | 第66-68页 |
| ·参考点和数据库之间的映射 | 第68-69页 |
| ·基于时空特征的快速检索 | 第69-71页 |
| ·运动匹配 | 第71-72页 |
| ·实验结果 | 第72-73页 |
| ·小结 | 第73-75页 |
| 第6章 基于机器学习的运动识别 | 第75-89页 |
| ·集成的多示例决策树 | 第75-79页 |
| ·决策树的生成 | 第75-76页 |
| ·多示例学习的决策树 | 第76-78页 |
| ·集成学习 | 第78-79页 |
| ·基于集成隐马尔科夫模型的运动识别 | 第79-84页 |
| ·隐马尔可夫模型的介绍 | 第80-81页 |
| ·基于三维时空特征的隐马尔科夫模型 | 第81-82页 |
| ·集成学习的隐马尔科夫模型 | 第82-84页 |
| ·实验结果 | 第84-88页 |
| ·决策树性能的评估 | 第84-85页 |
| ·集成学习的决策树的性能 | 第85-86页 |
| ·集成学习的隐马尔科夫模型的运动识别和检索实验分析 | 第86-88页 |
| ·小结 | 第88-89页 |
| 第7章 基于低维子空间的运动编辑与和合成 | 第89-97页 |
| ·基于 PCA的线性子空间运动风格编辑 | 第89-92页 |
| ·运动风格分析模型 | 第90-91页 |
| ·新风格运动生成 | 第91-92页 |
| ·基于 ISOMAP的非线性子空间运动风格编辑 | 第92-96页 |
| ·非线性降维 | 第93页 |
| ·非线性映射 | 第93-94页 |
| ·分离风格参数 | 第94-95页 |
| ·求解风格参数和内容参数 | 第95-96页 |
| ·求解内容参数 | 第95页 |
| ·求解风格系数 | 第95-96页 |
| ·小结 | 第96-97页 |
| 第8章 系统构造及运行结果 | 第97-105页 |
| ·系统简介 | 第97-98页 |
| ·运动跨媒体综合检索 | 第98-101页 |
| ·查询意图多模态表达 | 第98-99页 |
| ·检索结果多类型浏览 | 第99-101页 |
| ·基于子空间的运动合成 | 第101页 |
| ·基于 PCA的线性子空间运动风格处理 | 第101-102页 |
| ·基于 ISOMAP的非线性子空间运动风格处理 | 第102-105页 |
| ·非线性子空间的运动编辑 | 第102-103页 |
| ·非线性子空间的运动风格生成 | 第103-105页 |
| 第9章 结论与展望 | 第105-108页 |
| ·结论 | 第105-106页 |
| ·展望 | 第106-108页 |
| 参考文献 | 第108-118页 |
| 攻读博士学位期间发表的论文及科研情况 | 第118-120页 |
| 致谢 | 第120页 |