基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复
人体运动追踪技术的原理与实现步骤
人体运动追踪技术的原理与实现步骤人体运动追踪技术是一种通过计算机视觉和图像处理技术对人体运动进行实时跟踪和分析的技术。
它在许多领域中有着广泛的应用，如体育训练、医疗康复、安防监控等。
本文将介绍人体运动追踪技术的原理和实现步骤。
一、原理1. 图像采集：人体运动追踪技术首先需要获取人体运动的图像或视频。
通常使用摄像机、深度相机或红外热像仪等设备进行图像的采集。
这些设备能够捕捉到人体运动时的位置、姿态、速度等信息。
2. 特征提取：从采集到的图像中提取出与人体有关的特征。
这些特征可以是人体关节的位置、骨骼的姿态、身体的形状等。
通常使用计算机视觉和图像处理技术来进行特征提取，例如边缘检测、图像分割等算法。
3. 运动估计：根据特征的变化来估计人体的运动。
通过分析特征在连续帧之间的差异和变化，可以计算出人体的运动轨迹和轨迹的速度。
常用的运动估计算法包括光流法、KLT算法等。
4. 姿态估计：根据人体的运动估计出人体的姿态。
姿态估计是一个复杂的问题，通常需要先推测人体的骨骼结构，再通过寻找最佳匹配的方法来估计人体的姿态。
现在常用的姿态估计算法有基于模型的方法、基于深度学习的方法等。
二、实现步骤1. 数据采集：使用合适的设备对人体的运动进行采集。
常见的设备包括摄像机、深度相机、红外热像仪等。
采集时需要注意灯光、背景等环境因素的影响，确保图像的质量和准确性。
2. 特征提取与选择：根据具体的应用需求选择合适的特征。
例如，如果需要检测人体的关节位置和姿态，可以选择提取关节点的坐标信息。
如果需要检测人体的形状和轮廓，可以选择进行图像分割和形态学处理。
3. 模型训练与优化：根据采集到的数据进行模型的训练和优化。
常见的方法有机器学习算法和深度学习算法。
在训练时需要对数据进行预处理、特征选择和模型调优，以提高运动追踪的准确性和鲁棒性。
4. 运动追踪与分析：使用训练好的模型对实时的图像或视频进行运动追踪和分析。
根据采集到的特征，计算人体的运动轨迹、姿态和速度等信息。
基于人工智能的动作捕捉与运动分析研究
基于人工智能的动作捕捉与运动分析研究人工智能技术的快速发展与广泛应用，给许多领域都带来了巨大的机遇和挑战。
其中，基于人工智能的动作捕捉与运动分析研究在体育训练、医疗康复、虚拟现实等领域具有重要的应用价值。
本文将重点介绍基于人工智能的动作捕捉技术及其在运动分析中的研究进展和应用。
动作捕捉是指通过各种传感器和设备采集人体关节的位置、姿态和运动信息，并将其转化为计算机可处理的数据。
传统的动作捕捉技术主要依赖于电磁感应、光学标记和惯性测量等方式，但这些方法存在设备昂贵、操作复杂、局限性强等问题。
基于人工智能的动作捕捉技术应运而生，不仅能够克服传统技术的种种限制，还具备更高的精度、实时性和稳定性。
在基于人工智能的动作捕捉中，深度学习是常用的方法之一。
通过深度学习框架，如卷积神经网络（CNN）和循环神经网络（RNN），可以对输入的图像数据或时间序列数据进行学习和训练，从而实现对人体动作的自动识别、关节点提取和重建等重要任务。
例如，可以通过训练一个CNN模型，将输入的图像数据与已标注的动作关键点进行匹配，就能够实现对人体动作的实时追踪和捕捉。
除了深度学习，基于传感器的动作捕捉技术也得到了广泛的研究与应用。
利用惯性传感器、压力传感器、电极传感器等设备，可以实时获取人体关节点的位置、速度、加速度等动作信息。
通过将传感器数据与机器学习算法相结合，可以实现对人体动作的准确识别和分析。
例如，在体育训练中，运动员可以佩戴传感器设备进行训练，系统可以实时分析运动员的动作质量、力量输出等指标，为训练提供科学依据。
基于人工智能的动作捕捉技术在运动分析中具有广泛的应用前景。
首先，它可以为体育训练提供科学的指导和反馈。
通过对运动员的动作进行实时分析，可以发现动作中存在的问题和不足，并给予相关的改进建议。
其次，它可以为医疗康复提供便利和支持。
通过对患者的动作进行监测和分析，医生可以制定更加个性化和有效的康复方案。
同时，基于人工智能的动作捕捉技术还可以在虚拟现实、游戏开发、影视特效等领域发挥重要的作用。
基于图像分解和稀疏表示的图像去噪修复方法研究
基于图像分解和稀疏表示的图像去噪修复方法研究作者：宋峰张宏烈王丽辉来源：《计算机光盘软件与应用》2013年第24期摘要：传统的图像去噪方法大致可分为空域去噪和变换域去噪两类。
常见的图像空域去噪方法包括邻域平均、空域低通滤波、空域中值滤波等。
邻域平均法是一种典型的局部空域处理的去噪算法，其缺点是处理后的图像存在一定的模糊度。
空域低通滤波方法通过低通卷积模板在图像空域进行二维卷积来达到去除图像噪声的目的。
关键词：图像差值；稀疏表示；增强图像；剖面曲率中图分类号：TP391.41近年来，随着稀疏分解技术的快速发展，基于稀疏分解的信号处理技术为图像去噪和图像修复提供了全新的思路和手段。
相比起传统的图像修复方法，只要字典选择合适，基于稀疏分解的图像修复可以有效避免传统图像修复技术中所存在的诸如修复缺损区域较小、修复后的图像存在边界模糊和图像不光滑、修复后的图像比较模糊等问题；只要字典选择合适，基于稀疏分解的图像去噪就能够最大程度地区分开投影后信号与噪声，得到很好的图像去噪效果。
此外，基于稀疏分解的图像去噪和图像修复具有实现方法规范统一、计算量明确等优点，因此近年来，围绕基于稀疏分解的图像修复和图像去噪技术又重新引起了人们的广泛关注。
此外，基于稀疏分解的增强图像处理技术还可以很简单地推广到图像识别等数字图像处理技术。
因此深入、系统地开展基于稀疏分解的增强图像去噪和图像修复技术是十分必要的。
图像变换域去噪方法通过对图像进行某种变换，将图像变换到变换域，再利用变换域以及噪声的非相思特征然后在通过变换系数进行合理处理，从而达到有效去除噪声的目的。
傅立叶变换是一类比较经典的变换域分析方法，但图像信号与噪声的频域特征往往存在一定程度的相互重叠，因此频域滤波在抑制噪声的同时，也会模糊图像、破坏图像的细节信息。
除了频域变换分析方法，将空域图像变换到其他变换域的图像去噪方法成为图像去噪技术研究和应用的重要方向。
与傅里叶变换相比，小波变换具有低熵性、多分辨率、去相关性和选基灵活等特点。
采摘机器人运动目标逼近方法研究——基于分裂迭代和模糊算法
２ ０ １ ８年 ４月
农 机 化 研 究
第 ４期
采 摘 机 器 人 运 动 目 标 逼 近 方 法 研 究
一
基 于 分 裂 迭 代 和 模 糊 算 法
王
济源 摘 ４ ５ ９ ０ ０ ０ ）
娜 ，汤 金金。
４ ７ ３ ０ ０ ０；２ ． 济 源 职 业 技 术 学 院 机 电工 程 系 ，河 南
为 了适应 农 业 的 发 展 ， 减 少劳 动成本 ， 提 高 劳 动 生 产率 ， 在水 果 采 摘 领 域 引 入 采 摘 机 器 人 是 当 前 农 业 研 究 的焦 点 问 题 Ｊ 。但 是 ， 由于 采 摘 机 器 人 的 作 业 过 程 中受到 风 力 因素 和枝 叶 之 间 的扰 动 ， 作 业 环 境 变 得 异 常 复杂 ， 要想采 摘机器 人得 到长足 的发展 ， 还 需 要 解 决很 多 关 键 问 题 。在果实采摘 的过程 中学 院 机 电 自动 化 学 院 ，河 南 南 阳
要 ： 为 了解 决 采 摘 机 器 人 作业 过 程 中果 实 振 荡 造 成 目标 识 别 不 准确 的 问 题 ， 提 出 了 一 种 针 对 运 动 果 实 的
帧 间差 分 法 的 扰 动识 别 方 法 ， 并 在 帧 间差 分 方 法 中 引入 了分 裂 迭 代 和模 糊 控 制 算 法 ， 实 现 了 帧 间 差 分 背 景 图像
基于稀疏表示的高分辨率图像恢复方法
基于稀疏表示的高分辨率图像恢复方法随着科技的不断发展，我们的生活也越来越离不开数字图像。
无论是在个人娱乐还是商业应用中，图像的清晰度和质量都是至关重要的。
然而，由于种种原因，如相机设备和环境条件等，有些图像可能会失去一些细节和清晰度，而这些问题又会给人们造成不便。
为了解决这些问题，学者们一直在努力研究怎样利用现有的信息技术来恢复图像的质量。
在不断尝试之后，他们发现了一种新的方法——基于稀疏表示的高分辨率图像恢复方法。
一、稀疏表示的概念介绍在理解高分辨率图像恢复方法之前，我们需要先了解“稀疏表示”的概念。
在数学中，一个向量或矩阵被称为“稀疏”，是指这个向量或矩阵的很多元素都为零，只有很少一部分元素是非零的。
而“稀疏表示”是指将一个向量或矩阵用尽可能少的非零元素的线性组合来表示，这些非零元素被称为“基向量”。
稀疏表示能够有效地将信号的信息压缩，同时也能够使数据更易于处理和分析。
二、基于稀疏表示的高分辨率图像恢复方法基于稀疏表示的高分辨率图像恢复方法是一种通过使用“字典”和“稀疏编码”技术来恢复图像质量的方法。
所谓“字典”，就是由一组基向量构成的一个矩阵，这些基向量需要独立、不相关且具有一定的鲁棒性。
而“稀疏编码”则是将每个输入图像块用字典中的基向量表示，利用少量的基向量，能够使重构出的块具有与原图块相似的结构。
最终，通过对整张图像的每个块进行重构，就能够得到更加清晰、真实的高分辨率图像。
三、方法的优点与应用基于稀疏表示的高分辨率图像恢复方法是一种非常有效的方法。
与传统的插值方法相比，它能够充分利用已有的信息，从而在密集采样或低分辨率下恢复清晰的高分辨率图像。
与其他图像重建技术相比，在噪声和失真的情况下，它的效果也非常出色。
这种方法广泛应用于医学成像、地质勘探、无损检测和卫星图像处理等领域。
四、发展趋势和应用前景随着数字图像技术的发展，基于稀疏表示的高分辨率图像恢复方法也在不断发展。
学者们致力于进一步研究和优化字典的构建、扩大训练数据集和改进算法，以提高重建图像的质量和准确率。
融入部分卷积和解耦全连接注意力的轻量级人体姿态估计
融入部分卷积和解耦全连接注意力的轻量级人体姿态估计作者：陈锦等来源：《现代信息科技》2023年第23期蒋锦华庄丽萍姚洪泽蔡志明摘要：轻量级人体姿态估计网络使得网络的参数量和计算量大大减少，使其能够在计算资源有限的设备上进行快速推理。
如何在保持模型轻量化的同时提高人体姿态识别网络的性能是当前重要的研究课题。
文章基于Dite-HRNet，提出融入部分卷积和解耦全连接注意力机制的LPFANet网络，将部分卷积与动态分离卷积相结合，构建了一个强化特征提取结构，同时使用了全局特征建模和密集特征建模进行特征再提取。
在MPII数据集上测试，实验表明，与Dite-HRNet相比，LPFANet在少量增加参数量和计算量的情况下，平均准确率提升了1.2%。
文章网络在轻量化的同时有效提升了识别精确度。
关键词：轻量级；部分卷积；解耦；注意力机制中图分类号：TP391.4；TP18 文献标识码：A 文章编号：2096-4706（2023）23-0093-07Lightweight Human Pose Estimation of Incorporating Partial Convolution and Decoupled Fully Connected AttentionCHEN Jin， JIANG Jinhua， ZHUANG Liping， YAO Hongze， CAI Zhiming（Fujian University of Technology， Fuzhou 350118， China）Abstract： Lightweight human pose estimation networks greatly reduce the number of parameters and computational resources， enabling fast inference on devices with limited computing resources. How to improving the performance of human pose recognition networks while keeping the model lightweight is currently an important research topic. Based on Dite-HRNet， this paper proposes LPFANet network which incorporates partial convolution and decoupled fully connected attention mechanism. It constructs a strong feature extraction structure by combining partial convolution with dynamic separable convolution， and uses both global feature modeling and dense feature modeling for feature re-extraction. It tests on the MPII dataset， and the experiments show that LPFANet improves the average accuracy by 1.2% compared to Dite-HRNet， with a small increase in the number of parameters and computational resources. The proposed network effectively improves the recognition accuracy while maintaining lightweightness.Keywords： lightweight; partial convolution; decoupled; attention mechanism0 引言人體姿态估计是计算机视觉中的一项重要任务，它的目标是从图像或视频中自动检测出人体的姿态，即人体的关节位置和相对角度。
一种基于群稀疏表示与低秩矩阵恢复的人脸识别方法[发明专利]
![一种基于群稀疏表示与低秩矩阵恢复的人脸识别方法[发明专利]](https://img.taocdn.com/s3/m/cd1a7ee67cd184254b3535f0.png)
专利名称：一种基于群稀疏表示与低秩矩阵恢复的人脸识别方法
专利类型：发明专利
发明人：胡静,陶洋,郭坦,孙雨浩
申请号：CN201811363521.8
申请日：20181116
公开号：CN109522841A
公开日：
20190326
专利内容由知识产权出版社提供
摘要：本发明提供了一种遮挡人脸识别方法，属于模式识别、人脸识别领域。
本方法针对训练集和测试集样本均存在光照、遮挡、噪声污染等情况下的人脸识别问题，提出一种基于群稀疏表示与低秩矩阵恢复的遮挡人脸识别方法。
方法包括：获取目标遮挡人脸图像；对目标遮挡人脸图像进行预处理，得到目标遮挡人脸图像的样本数据作为测试样本数据；将训练样本人脸数据由空域变换到对数域，通过低秩矩阵恢复算法恢复每子类训练样本；学习恢复的低秩成分与原始训练数据之间的低秩映射关系矩阵，利用该矩阵将测试样本映射到其潜在的子空间下，移除测试样本中存在的误差成分；计算恢复的测试样本在恢复的训练集上的群稀疏表示，并结合类关联重构残差与类关联系数进行识别。
由此，可以提高遮挡人脸的识别率和鲁棒性。
申请人：重庆邮电大学
地址：400065 重庆市南岸区崇文路2号
国籍：CN
更多信息请下载全文后查看。
结合模糊聚类和投影近似点算法的缺失人体运动捕捉数据重构
结合模糊聚类和投影近似点算法的缺失人体运动捕捉数据重构一、引言a. 研究背景及意义b. 相关研究现状c. 研究目的和方法介绍二、基础知识a. 缺失人体运动捕捉数据的定义和影响b. 模糊聚类算法的基本原理c. 投影近似点算法的基本原理三、缺失人体运动捕捉数据的重构方法a. 数据预处理b. 模糊聚类算法实现细节c. 投影近似点算法实现细节d. 组合算法实现细节四、实验结果与分析a. 实验设置和数据来源介绍b. 结果分析和讨论c. 与其他方法比较五、结论和展望a. 结论总结b. 研究不足和改进方向c. 研究的可行性和应用前景注：具体内容可根据实际情况调整。
一、引言a. 研究背景及意义近年来，随着虚拟现实、游戏、影视等领域的兴起，对于人体运动捕捉数据的需求越来越高。
人体运动捕捉数据的获取方式主要有两种：基于传感器的运动捕捉和基于视觉的运动捕捉。
然而，在实际应用中由于各种原因，如设备故障、传感器漂移、视野遮挡等导致的数据缺失问题经常出现，该问题的解决将对相关领域的进一步发展有所促进。
因此，如何准确且高效地重构缺失的人体运动捕捉数据就成为了当前研究的重点之一。
b. 相关研究现状目前，缺失人体运动捕捉数据的重构研究主要分为两类：一类是基于插值算法的重构方法，如样条插值、线性插值等，它们通过对实验数据进行插值来实现缺失数据的补充，但其对于高维复杂数据的处理效果不是很理想，精度和效率都需要进一步提高。
另一类是基于机器学习算法的重构方法，如隐式聚类、条件随机场等。
这类方法通过对数据的特征进行学习，生成模型来自动化地重构数据，但是随着数据维度的增加，模型的训练时间和测试时间大大增加。
c. 研究目的和方法介绍本文旨在提出一种高效、准确的缺失人体运动捕捉数据的重构方法，该方法采用模糊聚类和投影近似点算法的组合方式来重构缺失数据。
其中，模糊聚类算法通过对运动数据的分类得到运动段的结构信息，以此为基础对运动数据进行分析和处理；投影近似点算法则通过对缺失数据进行投影近似重构，达到更高的重构精度。
基于骨骼约束的人体运动捕捉数据失真恢复
基于骨骼约束的人体运动捕捉数据失真恢复汪亚明;鲁涛;韩永华【期刊名称】《计算机系统应用》【年(卷),期】2018(027)005【摘要】For the situation that the adjacent markers of Motion Capture (MOCAP) data missing for a period of time due to lights and other factors when practically gathering data, a new MOCAP data recovery algorithm is proposed by using the latent correlation and the skeleton constraint in MOCAP data. The algorithm firstly transforms the MOCAP data to represent the changes of the relative position of adjacent markers to acquire the skeleton constraint term. Then the sparse representation and the skeleton constraint term are used for dictionary training which is utilized to recovery missing data. The experiment results show that the algorithm can improve the recovery accuracy of the coordinates of the missing markers and increase the bone length recovery accuracy to 10-4cm, and verify the feasibility and effectiveness of the algorithm.%针对人体运动捕捉(Motion Capture, MOCAP)数据实际采集过程中, 由于光线等因素影响而可能出现的同一帧中相邻标记点在时间域上连续缺失的情形, 利用MOCAP数据中存在的潜在相关性和同一运动序列中人体骨骼长度不变特性, 提出一种新的MOCAP数据失真恢复算法. 该算法首先对MOCAP数据进行预处理, 使变换后的数据表示的是相邻标记点的相对位置的变化, 由此得到人体骨骼长度约束项, 再利用稀疏表示和人体骨骼长度约束项进行字典训练, 最后利用训练得到的字典对缺失的数据进行恢复. 通过实验对比表明该算法在提高缺失点坐标恢复精度的同时, 将骨骼长度恢复精度提高到10-4cm, 验证了算法的可行性和有效性.【总页数】9页(P17-25)【作者】汪亚明;鲁涛;韩永华【作者单位】浙江理工大学信息学院, 杭州 310018;浙江理工大学信息学院, 杭州310018;浙江理工大学信息学院, 杭州 310018【正文语种】中文【相关文献】1.基于惯性动作捕捉的人体运动姿态分析 [J], 戴欢;赵卫华;王威;赵正旭;赵文彬2.基于运动分割和稀疏低秩分解的失真人体运动捕捉数据恢复 [J], 彭淑娟;赫高峰;柳欣;王华珍;钟必能3.基于约束物理系统和运动捕捉的人体运动仿真 [J], 刘冰啸;周荷琴;王磊4.基于惯性测量系统的人体运动捕捉技术 [J], 纪俐;姬晓飞5.基于三维人体运动捕捉数据的动作识别研究 [J], 卢玉荧因版权原因，仅展示原文概要，查看原文内容请购买。
基于稀疏低秩描述的图像检索方法
基于稀疏低秩描述的图像检索方法
陈刚;岳晓冬;陈宇飞
【期刊名称】《计算机科学》
【年(卷),期】2014(041)003
【摘要】使用颜色、形状、纹理等特征的基于内容的图像检索技术,将图像看作向量空间中的点,通过计算两点之间的某种距离来衡量图像间的相似度,然而在提取图像特征时相同类型的图像会出现不一致的特征,极大地影响了检索算法的准确率.针对该问题,提出一种稀疏低秩描述的多特征图像检索方法.通过对图像集的稀疏低秩描述,保持了相同类别特征的全局结构,同时也降低了对于局部噪声的敏感度,增强了检索算法的鲁棒性.在Corel图像集上的检索实验结果表明,该方法较已有的基于内容的图像检索方法有更好的检索效果.
【总页数】4页(P302-305)
【作者】陈刚;岳晓冬;陈宇飞
【作者单位】同济大学企业数字化技术教育部工程研究中心上海200092;上海大学计算机工程与科学学院上海200444;同济大学企业数字化技术教育部工程研究中心上海200092
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于低秩矩阵与稀疏约束的运动模糊图像盲复原 [J], 鱼轮;韩美林
2.基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法 [J], 袁宇丽;吕俊瑞;罗学刚
3.基于低秩和稀疏模型的高光谱图像快速去噪方法 [J], 杨垚;黄聪;王华军
4.基于全局稀疏梯度与低秩张量正则化的多源多波段图像融合方法 [J], 黄志忠;潘汉
5.基于稀疏表示和低秩矩阵逼近的图像去噪算法的研究 [J], 卢文锋;佀同光;韩国勇因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ｔ
ｈｅ
ｍ ｏ ｔｉ ｏ ｎ
ｉ
ｎｔｏ ｄ ｉ ｆ ｆｅｒ ｅｎ ｔ
ｓｅ
ｍ ａ ｎ ｔｉ ｃ ｂ
ｅ ｈａ ｖ
ｏｒ ｓ
ａｕｔ ｏ ｍ ａｔ
ｉ
ａ
ｌ
ｌ
ｙ
Ｓ ｕｂ ｓ ｅｑ ｕ ｅ ｎｔｌｙ
ｔ
，
ｈｅ
ａｃ ｃ ｅ ｌ ｅｒ ａｔ ｅ ｄ
ｐ ｒ ｏｘ ｍａ
ｉ
ｌ
ｇ ｒ ａｄ ｗ
ｉ
ｅｎｔ
ａ ｇ ｏ ｒｉ ｔ ｈｍ
ｌ
（
ＡＰＧ
Ｔｈｅ
ｐ ｒｏ ｐ ｏ ｓ ｅ ｄ ｑ ｕｅｎ ｃｅ ｓ
ａ
ｐｐ ｒ ｏａ ｃ ｈ
ｃａｎ
ｂ ｅ ｗｅ
ｌ
ｌ
ｉ
ｌｉ
ｚ ｅｄ
ｔ
ｏ ａｐｐ ｒ ｏｘ ｉｍ ａ ｔｅ
ｓｈ ｏ ｗｎ
ｔ
ｈｅ
ｒｅ
ａｌ
ｉ
ｓｔ ｉ ｃ
ｈ ｕｍ ａｎ ｂ ｅ ｈａｖ ｏ ｒｓ
，
；
再利 用
加 速 近 端 梯 度 优 化 算 法 对 每 个 失 真 运 动 子 片 段 数 据 矩 阵 根据 其 更 优 低 秩 特 性 进 行 稀 疏 低 秩 分解 据 的 局 部恢 复 恢复 的
目
；
实 现运 动 子 片 段 数
最 后 将 局 部 恢 复 后 的 各 子 运 动 片 段 根 据 人 体 运 动 序 列 的 时 序 特 性 组合
ｉ
ｉ
ｔ
ｙ
Ｘ
ｉ
ａ ｍ ｅｎ
1
0 2
1
Ａｂ ｓ
ｔ
ｔｒ
ａ ｃｔ
：
Ａｃ ｃｏ ｒｄ
ｉ
ｎｇ
ｔ
ｏ
ｔ
ｈｅ
ｃ
ｏｍ ｐｌ ｅｘ
ｉ
ｔ
ｙ
ｏｆ
ｈｕｍ ａ ｎ
ｍｏ ｖ ｅｍｅｎｔ
ａｎ ｄ
ｒａｎ
ｄｏ ｍｎｅ ｓ ｓ
ｏｆ
ｔ
ｈｅ
ｎｏ
ｉ
ｓｅ
ｉ
ｎｔ ｅｒ ｆ ｅｒ ｅｎｃ ｅ
，
ｈｉ ｓ ｐ ａｐ ｅｒ ｐ ｒｅ ｓ ｅｎ ｔ ｓ ｏｗ
ｓ ｅｄ
ａｐ ｐ
ｒｏ ａｃ
ｈ
ｉｒｓ ｆ
ｔ
ｅ
ｍｐ
ｌ
ｏ ｙｓ
ｔ
ｈｅ
ｂ
ｉ
ｌ
ａ ｔ ｅ ｒａ ｌ
ｉ ｆ
ｌｔ ｅ
ｒ
ｔ
ｏ ａ ｍ ｅｎｄ
ｈｅ
ｄ ｉ ｓ ｔ ｏｒ ｔｅ ｄ ｈｕ
ｍ ａｎ
ｍｏ ｔ ｏｎ
ｉ
ｃ
ａｐｔ ｕ ｒ ｅ ｄａ ｔ ａ
，
ｆ ｅａ ｔ ｕｒ ｉｎｇ
ｒｅ ｍ ｏｖ
ｉ
ｎｇ
ｓ ｉ
ｎ ｇｕ ｌ ａｒ ｖ ａｌ ｕｅ ｓ ｍ ｅ ｔ ｈｏ ｄ
ｅａｃ ｈ
）
ｂａ ｓ ｅ ｄ
ｓ
ｐ ａ ｒ ｓｅ
ａ
ｎｄ
ｌ
ｏｗ
ｒａ ｎｋ
ｄ ｅ ｃｏ ｍ
ｐｏ ｓ ｉ ｔ ｏ ｎ
ｉ
ｉ
ｓ
ａ
ｄｏ ｐ ｔｅ ｄ
ｔ
ｏ ａｃ ｈｉ ｅｖ ｅ
ｔ
ｈｅ
ｐａ ｒｔｉ ａ
ｌ
ｄ
ａｔａ
ｒ ｅｃ
ｏｖ ｅ ｒｙ
ｉ
ｔ
ｈ
ｒ ｅｓ
ｐｅ ｃｔ ｅｄ ｏ
ａｃ
ｔ
ｏ
ｓｅ
ｐ
ａｒａｔ ｅ
ｄ
ｓｅ
ｍ ａｎ ｔ
ｉ
ｃ
ｂ ｅ ｈ ａｖｉ ｏ ｒ
，
，
达 到 整 体 失 真运 动 捕 捉 数据
，
的
实验结果表明
该 方 法 能 够 有 效地 对 失真 人 体 运 动 数 据 进 行恢 复
，
效果显著
有 助 于重 构逼 近 真 实 人 体
姿态 的运 动 捕 捉 数 据
关 键词
：
运 动 捕 捉 数据 恢 复
ＴＰ
3 9
1
；
双边 滤 波
；
运 动 分割
；
加 速近 端梯 度 法
ａ ｎｋ
ａ
ｍｏ ｔ ｉ ｏｎ
ｓ ｅｇ ｍ ｅ ｎｔ ａ ｔ
ｉ
ｏ ｎ ｂ ａｓ ｅ ｄ ａｐｐ ｒ ｏ ａｃ ｈ
ｆ ｏｒ
ｈｕｍ ａｎ
ｍ ｏｔ ｏ ｎ
ｉ
ｃ ａｐ ｔ ｕ ｒｅ
ｄａｔ ａ
ｒ ｅ ｃｏ
ｖｅｒ ｙ
ｔ
ｖ
ｉ
ａ
ｔ
ｈｅ
ｓ
ｐ ａｒ ｓ ｅ
ａ ｎｄ
ｌ
ｒ
ｄｅｃ ｏ ｍｐ ｏ
ｓ ｉｔ ｉ ｏｎ
．
Ｔｈ ｅ
ｐ ｒ ｏｐ ｏ ｏｎ
，
数 据 恢 复方 法
首 先 利 用 双 边 滤 波 对 失 真 运 动 数 据 进行 预 修正
降 低 干 扰 数 据 的 奇 异 信 息 并保 证 运 动 序 列 的 连 贯 性
自
；
其 次采 用 概 率 主 元 分 析 方 法 将修 正 后 的 运 动 数 据 进 行语 义 行 为
动分 割
，
得 到 不 同 姿 态 的 运 动 语 义子 区 间
ｏｎ
Ｐ ｅｎ Ｃ
ｇ
ｇ
Ｓｈ ｕｊ ｕａ ｎ
ｅ ｏ
，
Ｈ ｅ Ｇ ａ ｏ ｆｅｎｇ
ｔ
，
Ｌ ｕ
ｉ
ｌ
Ｘ
ｉ
ｎ
，
Ｗａ ｎｇ Ｈｕ ａ ｚｈ ｅｎ
ｕａ ｑ
ｉ
，
ａｎ ｄ
Ｚｈｏ ｎ
3 6
ｇ
Ｂ ｎ ｅｎ ｇ
ｉ ）
｛
ｏ ｌｌｅ
ｆＣ
ｏｍ
ｐ
ｕ ｅｒ
Ｓｃ ｅ ｎ ｃｅ ａｎ ｄ
ｉ
ｅｃ ｈｎ ｏ ｏ Ｔ
ｇ ｙ
Ｈ
ａｏ
Ｕ
ｎ ｖｅ ｒｓ
Ｆ
ｉ
ｎａｌ
ｌ
ｙ
，
ａ
ｌ
ｌ
ｔ
ｈ
ｅ
ｒ ｅｃｏ ｖ ｅ ｒｅ
ｄ
ｓ ｕｂ
ｍ ｏ ｔ ｏｎ ｓ
ｉ
ａｒ ｅ
ｓｅ
ｉ ａｌ ｌ ｍｂ ｉ ｎｅ ｄ ｑ ｕ ｅｎｔ ｙ ｃｏ
ｒｅ ｃｏ ｖ ｅｒ
ｔ
ｈ
ｉｅ
ｖ
ｅ
ｔ
ｈｅ
ｗｈ ｏ ｌ ｅ ｍｏ ｔ ｉ ｏｎ
ｒ ｅｃ
ｏ ｖ ｅｒ ｙ
．
Ｔｈｅ
ｅ
ｘ ｐｅｒ ｉ ｍ ｅ ｎｔ ａ
ｌ
ｒ ｅｓ ｕ
第
2
2 7
卷 第
1
4
期
Ｊｏｕ ｒｎ ａ
ｌ
计算 机 辅 助 设 计 与 图 形 学 学 报
ｏｆ
Ｖ ｏ Ｇ
ｒａ
ｌ
2
7
Ｎｏ
1
4
0
5
年
4
月
Ｃ ｏ ｍｐ ｕ
ｔ ｅｒ
Ａ
ｉ
ｄ ｅｄ
Ｄｅ
ｓｉ
ｇｎ
＆ Ｃ ｏｍ ｐ ｕ
ｔｅｒ
ｐ ｈ ｉｃ
ｓ
Ａｐ ｒ
2 0
5
基 于运 动 分 割 和 稀 疏低秩 分 解 的 失 真 人 体 运 动 捕 捉 数 据 恢 复
ｌ
ｔｓ
ｈ ａｖ ｅ
ｓｈ ｏ
ｗｎ
ｔ
ｈ ａｔ
ｔ
ｈｅ ｐ
ｒｏ
ｐ ｏ ｓ ｅｄ ｍ ｏ ｔ ｉ ｏｎ
ｙ
ａ
ｐｐ ｒｏ ａ ｃｈ ｕｔ
ｃａｎ
ｗ ｅｌ ｌ
ｒ ｅｓｔ ｏ ｒ ｅ
ｔ
ｈｅ
ｄ
ｉ
ｓｔ ｏ ｒｔ ｅ ｄ
ｈｕ ｍ ａ ｎ ｍ ｏ ｔ ｏｎ ｄ ａｔ ａ ｗ
ｉ
ｉ
ｔ
ｈ ｂ
ｅ
ｔ ｅｒ
ｏ ｒ ｍ ａｎ ｃｅ ｐ ｅｒ ｆ
；
稀 疏 低秩 分解
中 囿 法 分 类号
4
Ｍ ｏｔ
ｉ
ｏｎ
Ｓ ｅ ｇ ｍ ｅ ｎ ｔ ａｔ ｉ ｏｎ
－
ｂ ａｓ ｅ ｄ
ｉ ｔｉ
Ｈ ｕ ｍ ａｎ Ｍ ｏ ｔ
ｉ
ｏｎ
Ｃ ａ ｐ ｔ ｕ ｒｅ Ｄ ａ ｔ ａ Ｒｅ ｃ ｏ ｖ ｅ ｒｙ
ｖｉａ
Ｓｐ ａ ｒｓｅ
ａ ｎ ｄ Ｌ ｏｗ ｒ ａ ｎ ｋ
Ｄ ｅ ｃ ｏ ｍ ｐｏ ｓ
ａｎ ｄ
ｓｍ ｏ ｏ ｔ ｈ ｉ ｎｇ
ｔ
ｈｅ ｍ ｏｔ ｏ ｎ
ｉ
ｕ ｅｎｃ ｅ ｓｅｑ ｄ ａｔａ
Ｔ ｈｅｎ
，
ｔ
ｈｅ
ｐ ｒ ｏ ｂ ａｂｉ ｌ
ｉ
ｓｔｉ
ｃ
ｉｎ ｃ ｉｐ ａ ｌ ｐｒ
ｉ
ｃ
ｏ ｍｐｏ ｎ ｅ ｎ ｔ
ｃ
ａ ｎａ ｌ
ｙｓ
ｉ
ｓ
（
Hale Waihona Puke Ｐ ＰＣ Ａ）ｉ
ｓ
ｕｔ ｉ ｌ ｉｚ ｅｄ
ｔ
ｏ
ｓ ｅｇ ｍ ｅ ｎｔ
彭 淑娟
（
，
赫高 峰
，
柳
欣
，
王华珍
厦门
3
，
钟 必能
0 2
1
华 侨 大 学 计算 机 科 学 与 技 术 学 院
ｐ
ｓ ｈｕ ｊ
6
1
）
（
ｕａｎ
＠
ｈ
ｑ
ｕ
ｅ ｄｕ
ｃｎ
）
摘
要
：
针 对 人体 运 动 的 复 杂 性 和 噪声 干 扰 的 无 序 性