人体运动合成的机器学习方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-17页 |
| ·引言 | 第8页 |
| ·研究意义 | 第8-12页 |
| ·人体运动捕获技术 | 第8-9页 |
| ·人体运动合成 | 第9-11页 |
| ·机器学习在人体运动捕获数据上的应用 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·论文组织结构 | 第15-17页 |
| 2 数据预处理 | 第17-30页 |
| ·引言 | 第17页 |
| ·ASF-AMC人体运动捕获数据 | 第17-21页 |
| ·ASF文件格式 | 第18-19页 |
| ·AMC文件格式 | 第19-21页 |
| ·数学背景知识与ASF-AMC文件解析 | 第21-24页 |
| ·方位、方向、角位移概述 | 第21页 |
| ·欧拉角概念 | 第21-22页 |
| ·四元数概念 | 第22-23页 |
| ·ASF-AMC文件的解析 | 第23-24页 |
| ·基于DTW的运动时间对齐 | 第24-28页 |
| ·动态时间弯曲概述 | 第24-25页 |
| ·动态时间弯曲算法 | 第25-27页 |
| ·动态时间弯曲实验结果与分析 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 3 基于ICA的运动风格迁移 | 第30-41页 |
| ·引言 | 第30页 |
| ·独立成分分析 | 第30-32页 |
| ·独立成分分析概述 | 第30-31页 |
| ·独立成分分析算法模型 | 第31-32页 |
| ·运动风格迁移 | 第32-39页 |
| ·运动数据表示的选择 | 第32-33页 |
| ·运动组合 | 第33-34页 |
| ·独立成分生成 | 第34页 |
| ·运动风格独立分量选择 | 第34-36页 |
| ·独立分量交换 | 第36-37页 |
| ·实验结果与分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 4 基于PCA和分块PCA的运动合成 | 第41-58页 |
| ·引言 | 第41-43页 |
| ·主成分分析 | 第43-44页 |
| ·主成分分析概述 | 第43页 |
| ·主成分分析的理论基础 | 第43-44页 |
| ·基于PCA的人体运动合成 | 第44-47页 |
| ·数据预处理 | 第44-45页 |
| ·PCA处理运动 | 第45-46页 |
| ·提取时间参数 | 第46页 |
| ·运动合成 | 第46-47页 |
| ·基于分块PCA的运动合成 | 第47-50页 |
| ·数据分块 | 第47页 |
| ·分块PCA处理运动 | 第47-49页 |
| ·运动合成 | 第49-50页 |
| ·实验结果与分析 | 第50-57页 |
| ·基于PCA的人体运动合成方法实验 | 第50-53页 |
| ·基于分块PCA的人体运动合成实验 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 5 基于ICA和分块ICA的人体运动合成 | 第58-70页 |
| ·引言 | 第58页 |
| ·基于ICA的人体运动合成 | 第58-60页 |
| ·ICA处理运动 | 第58-59页 |
| ·对时间参数处理 | 第59-60页 |
| ·运动合成 | 第60页 |
| ·基于分块ICA的人体运动合成 | 第60-63页 |
| ·数据分块 | 第61页 |
| ·分块ICA处理运动 | 第61-62页 |
| ·运动合成 | 第62-63页 |
| ·实验结果与分析 | 第63-69页 |
| ·基于ICA的人体运动合成方法实验 | 第63-66页 |
| ·基于分块ICA的人体运动合成方法实验 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| ·本文总结 | 第70-71页 |
| ·未来工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76页 |
