基于运动捕捉数据的人体行为分割与运动检索
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-22页 |
| 1.1 课题的研究背景和意义 | 第12-14页 |
| 1.2 国内外发展现状 | 第14-20页 |
| 1.2.1 运动捕捉技术 | 第14-16页 |
| 1.2.2 运动捕捉数据特征表示 | 第16-17页 |
| 1.2.3 运动分割技术 | 第17-19页 |
| 1.2.4 运动检索技术概述 | 第19-20页 |
| 1.3 论文主要工作 | 第20-21页 |
| 1.4 论文组织安排 | 第21-22页 |
| 2 人体运动捕捉数据研究相关技术 | 第22-31页 |
| 2.1 人体运动捕捉数据 | 第22-25页 |
| 2.1.1 人体骨架数据 | 第22-24页 |
| 2.1.2 人体运动数据 | 第24-25页 |
| 2.2 运动数据表示方式 | 第25-28页 |
| 2.2.1 欧拉角 | 第25页 |
| 2.2.2 四元数 | 第25-27页 |
| 2.2.3 全局坐标系 | 第27-28页 |
| 2.3 概率主成分分析 | 第28-29页 |
| 2.4 动态时间规整距离 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于余弦距离的行为分割 | 第31-44页 |
| 3.1 方法概述 | 第31-32页 |
| 3.2 运动特征提取及相似性度量 | 第32-34页 |
| 3.2.1 骨骼夹角运动特征提取 | 第32-33页 |
| 3.2.2 骨骼夹角直方图和运动相似性度量 | 第33-34页 |
| 3.3 运动分割 | 第34-37页 |
| 3.3.1 相似度曲线计算 | 第34-36页 |
| 3.3.2 行为分割点检测 | 第36-37页 |
| 3.4 基于概率主成分分析的行为分割算法 | 第37-39页 |
| 3.5 实验结果及分析 | 第39-43页 |
| 3.5.1 余弦相似性度量的有效性 | 第40页 |
| 3.5.2 运动序列的自动化分割 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于骨骼夹角直方图运动模板的运动检索 | 第44-53页 |
| 4.1 方法概述 | 第44-45页 |
| 4.2 运动模板合成以及运动检索 | 第45-48页 |
| 4.2.1 运动模板合成 | 第45-46页 |
| 4.2.2 基于运动模板的运动检索 | 第46-48页 |
| 4.3 实验结果及分析 | 第48-51页 |
| 4.3.1 运动模板合成 | 第48-50页 |
| 4.3.2 阈值选择 | 第50-51页 |
| 4.3.3 运动检索实验 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 行为分割系统的设计与实现 | 第53-61页 |
| 5.1 开发技术介绍 | 第53-54页 |
| 5.1.1 信号和槽机制 | 第53-54页 |
| 5.1.2 事件和事件过滤器 | 第54页 |
| 5.2 行为分割系统需求分析 | 第54-55页 |
| 5.3 系统总体设计 | 第55-59页 |
| 5.3.1 系统模块划分 | 第55-56页 |
| 5.3.2 运动数据处理模块 | 第56-58页 |
| 5.3.3 界面显示模块 | 第58-59页 |
| 5.4 系统界面展示 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结和展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 作展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
