| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第12-24页 |
| 1.1 研究背景与意义 | 第12-16页 |
| 1.1.1 计算机动画技术 | 第12-13页 |
| 1.1.2 人体运动捕捉技术 | 第13-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 人体运动行为分割 | 第16-18页 |
| 1.2.2 运动行为模板提取与标注 | 第18-19页 |
| 1.2.3 数据驱动的虚拟人运动合成 | 第19-20页 |
| 1.3 论文研究内容 | 第20-21页 |
| 1.4 论文结构安排 | 第21-24页 |
| 2 人体运动捕捉数据相关技术介绍 | 第24-38页 |
| 2.1 人体运动捕捉数据 | 第24-27页 |
| 2.1.1 人体骨架信息 | 第24-26页 |
| 2.1.2 人体运动信息 | 第26-27页 |
| 2.2 人体运动数据表示方法 | 第27-32页 |
| 2.2.1 旋转表示法 | 第27-31页 |
| 2.2.2 三种表示法的相互转换 | 第31-32页 |
| 2.3 人体运动捕捉数据序列距离度量 | 第32-36页 |
| 2.3.1 欧氏距离度量 | 第33页 |
| 2.3.2 动态时间归整距离度量 | 第33-35页 |
| 2.3.3 典型时间扭曲度量 | 第35-36页 |
| 2.4 隐马尔可夫模型 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 数据驱动的人体运动行为分割 | 第38-60页 |
| 3.1 人体运动捕捉数据相似性度量 | 第38-40页 |
| 3.2 运动序列中行为个数的提取 | 第40-42页 |
| 3.3 基于图割模型的人体运动行为分割 | 第42-52页 |
| 3.3.1 无向加权图构建 | 第42-43页 |
| 3.3.2 求解谱聚类与图割之间的关系 | 第43-45页 |
| 3.3.3 应用Nystrom方法到谱聚类 | 第45-47页 |
| 3.3.4 基于图割模型的行为分割算法 | 第47-48页 |
| 3.3.5 动态规划能量函数 | 第48-49页 |
| 3.3.6 实验结果及分析 | 第49-52页 |
| 3.4 基于分裂EM估计GMM参数的人体运动行为分割 | 第52-58页 |
| 3.4.1 高斯混合模型构建 | 第52-54页 |
| 3.4.2 EM算法估计GMM参数 | 第54-55页 |
| 3.4.3 分裂EM算法估计GMM参数 | 第55-56页 |
| 3.4.4 最大相似性能量函数 | 第56-57页 |
| 3.4.5 实验结果及分析 | 第57-58页 |
| 3.5 本章小结 | 第58-60页 |
| 4 数据驱动的运动行为模板提取与标注 | 第60-82页 |
| 4.1 人体运动捕捉数据运动行为模板提取 | 第60-70页 |
| 4.1.1 层次运动行为模板HMM建模 | 第60-62页 |
| 4.1.2 层次运动行为模板学习过程 | 第62-64页 |
| 4.1.3 层次运动行为模板实验结果及分析 | 第64-70页 |
| 4.2 人体运动捕捉数据行为标注 | 第70-80页 |
| 4.2.1 基于层次运动行为模板的行为标注 | 第70-73页 |
| 4.2.2 人体运动捕捉数据行为标注实验结果及分析 | 第73-80页 |
| 4.3 本章小结 | 第80-82页 |
| 5 数据驱动的虚拟人运动合成 | 第82-92页 |
| 5.1 虚拟人运动合成 | 第82-85页 |
| 5.1.1 基于行为标注的运动图构建 | 第82-84页 |
| 5.1.2 过渡运动生成 | 第84-85页 |
| 5.2 实验结果与分析 | 第85-91页 |
| 5.3 本章小结 | 第91-92页 |
| 6 总结与展望 | 第92-96页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-96页 |
| 参考文献 | 第96-100页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第100-104页 |
| 学位论文数据集 | 第104页 |