人体运动合成中的机器学习技术综述

近年来,机器学习技术被广泛应用于人体运动合成,取得了很多研究成果,这得益于运动捕获技术的成熟和使用.运动捕获技术使数据驱动的方法成为人体运动合成的主流,而机器学习技术能够有效地处理人体运动数据这类维数高且在时间和空间两个维度都具有较大相关性的数据.文中以机器学习方法为主线,结合各类方法的特点,对人体运动合成中的应用进行总结和归纳;同时,还展望了人体运动合成和运动数据处理技术未来的发展趋势.     

数据驱动人体动画的关键帧技术研究综述

基于关键帧技术的运动捕获数据驱动人体动画,因其捕获的数据具有高度逼真性和实时处理能力使之成为应用广泛的人体动画方法。对现有基于运动捕获数据的3维人体动画关键帧技术进行了系统分析和阐述,介绍了运动捕获数据及其表现形式,从捕获数据的角度分析并比较了基于自适应采样的关键帧提取技术、基于运动速度控制的关键帧插值技术及基于运动特征和运动模型的关键帧检索技术,对3维人体运动关键帧技术中的难点问题及进一步研究方向进行了展望。     

数据驱动的人体动画合成研究综述

系统地阐述了目前数据驱动的人体动画合成研究现状,介绍了国内外运动数据捕捉技术的发展,着重对现有运动捕捉数据的编辑技术及运动合成方法进行了详细的分析和比较,并阐述各种方法的优缺点,最后展望了数据驱动的人体动画合成技术未来研究的重点和难点.     

基于动作单元分析的人体动画合成方法研究

从运动捕获数据中提取出反映人体运动规律的基本动作单元,合成新的人体动画已成为研究热点.但已有动作单元提取方法忽略了运动序列的时序性和不同关节之间的运动相关性.针对该问题,提出了一种新的基本动作单元提取方法,首先,采用PCA方法对高维人体运动数据进行降维分析,并采用马氏距离平方度量姿态间的相似性;其次,结合动态时间归整方法和误差平方和准则对时序运动序列进行自动切分和标注;最后,建立不同动作单元之间的概率转移模型构建运动图,并根据约束条件合成新的逼真人体动画.     

基于改进的数据驱动决策树分析的3维人体运动检索

随着大量3维人体运动捕获数据库的出现,使得如何对人体运动数据进行高效分析和处理,从而有效利用运动捕获数据库成为一个新的挑战。为了高效地进行3维人体运动检索,首先通过从人体运动中提取一种基于3维空间变换特征规律的空间变换特征和运动的一些关键的时间特性来得到人体运动的3维时序特征;然后针对不同的训练需求,通过改进的数据驱动决策树的学习方法来分析关节点对运动相似的不同影响,并在检索过程中按照不同影响程度依次对关键点进行相似度计算;最终实现了一个高效的运动检索仿真系统。     

基于小波变换的运动分析及其应用

对捕获的运动数据进行编辑处理 ,是生成新的复杂人体动画和提高运动捕获数据重用性的关键 ,但目前大多数运动编辑技术不具备对运动进行高层控制处理的能力 ,为此 ,提出了一种基于小波变换的运动编辑新算法 ,即将小波变换引入运动编辑 ,并对运动信号进行多分辨率分析 ,从而实现了运动特征增强、运动融合及运动特征提取与综合 .实验结果表明 ,该算法非常适合对运动特征进行处理 ,由于其能够在高层次上对运动进行有效的编辑 ,因而提高了动画师的工作效率 .     

基于非线性流形学习的3维人体运动合成

为了实现3维人体运动的有效合成,提出了一种基于非线性流形学习的3维人体运动合成框架及算法,并可应用于方便、快捷、用户可控的3维人体运动合成。该合成算法框架先采用非线性流形降维方法将高维运动样本映射到低维流形上,同时求解其本征运动语义参数空间的表达,然后将用户在低维运动语义参数空间中交互生成的样本通过逆向映射重建得到具有新运动语义特征的3维运动序列。实验结果表明该方法不仅能够对运动物理参数（如特定关节的运动位置、物理运动特征）进行较为精确的控制,还可用于合成具有高层运动语义（运动风格）的新运动数据。与现有运动合成方法比较,该方法具有用户可控、交互性强等优点,能够应用于常见3维人体运动数据的高效生成。     

基于运动路径变换的人体运动编辑

运动捕获已经成为计算机动画中一个成熟的技术,但是捕获的成本相对较高,而且捕获到的运动大多比较单一、通用性低。为了提高运动捕获数据的重用性,产生了适应不同需求的各种运动编辑的技术和方法。文章介绍了基于路径变换的人体运动编辑方法,推导了路径变换的公式,并提出了步长的概念,并以此分类,从而节省了约束重建时的运算量。     

基于二阶倒立摆的人体运动合成

为了合成物理真实、实时可控的人体运动,提出了一种基于二阶倒立摆的人体运动合成方法.方法分三步实现:首先将人体运动状态映射为一个二阶倒立摆模型;然后根据步态控制参数与环境约束,对二阶倒立摆进行运动规划;最后基于二阶倒立摆的运动,根据人体运动规律与高层用户需求,优化计算关节力矩,合成人体全身运动.利用文中方法,通过设置不同的参数,如步幅、步频等,能够实时控制人体运动,生成物理真实的人体运动.与现有的低维模型方法相比,该方法能够生成更加自然真实的人体下肢运动.该文合成方法既不需要使用运动捕获数据,也无需耗时的离线优化.     

数字化三维蹦床运动模拟与仿真系统——VHTramPoline

设计和实现了一个用于辅助蹦床运动科学训练的计算机模拟与仿真软件系统VHTrampoline.其原理是:在人体运动生物力学数据和真实人体运动捕获数据的基础上,通过运动编辑技术实现技术动作的修改和成套技术动作的模拟,并用人体运动方程分析和验证模拟结果;同时,基于虚拟现实方法将模拟结果与真实视频同步对比实现可视化的分析.除了必须的交互操作,文中涉及到的计算都是实时的.与传统训练方法相比,该系统具有直观、量化等优点.     

计算机视觉与机器学习技术在三维人体动画中的应用综述

近年来计算机视觉与机器学习技术广泛应用于三维人体动画领域中.基于图像/视频的人体运动数据获取技术、数字角色和场景建模、交互式角色动画控制与运动生成等方面都大量应用了计算机视觉技术;同时,机器学习理论在三维人体运动数据重用以及后期智能角色动画创作中扮演了越来越重要的角色,并得到一些很好的研究成果.文中以三维人体动画创作流程为主线对这些方法的基本思想和关键技术进行了归纳与分析,并讨论了三维人体动画制作技术的发展趋势.     

Human motion retrieval using topic model

Content‐based human motion retrieval is important for animators with the development of motion editing and synthesis, which need to search similar motions in large databases. Obtaining text‐based representation from quantization of mocap data turned out to be efficient. It becomes a fundamental step of many researches in human motion analysis. Geometric features are one of these techniques, which involve much prior knowledge and reduce data redundancy of numerical data. We describe geometric features as basic unit to define human motions (also called mo‐words) and view a human motion as a generative process. Therefore, we obtain topic motions, which possess more semantic information using latent Dirichlet allocation by learning from massive training examples in order to understand motions better. We combine probabilistic model with human motion retrieval and come up with a new representation of human motions and a new retrieval framework. Our experiments demonstrate its advantages, both for understanding motions and retrieval. Copyright © 2011 John Wiley & Sons, Ltd.     

人体运动路径的编辑算法

对现有的路径编辑方法进行了较大改进,将运动自动简化技术引入到传统的时空优化方法中,同时将物理约束引入到传统的路径变换方法,保证了优化过程的快速收敛和结果运动的物理真实性.算法框架包括模型简化、运动简化、路径编辑、运动合成和运动复原等5个部分.实验结果表明,该算法能够将人体运动从原始路径上成功地映射到新路径上.     

Graphical interface for motion editing using procedure visualization

In this paper, we introduce an interface for motion editing that visualizes editing procedures. For intuitive understanding and construction of motion editing procedures, our system represents an editing element that produces modified motion from a given input motion as a graphical node, and enables user to construct a whole motion editing procedure by connecting the nodes with a few mouse interactions. The system provides both the 3D transform manipulator and the time-line slider for intuitive controlling ...     

体育训练三维人体运动模拟与视频分析系统

在运动训练中引入数字图形图像技术，研制面向体育训练的三维人体运动仿真与视频分析系统，为我国体育健儿备战2008年奥运会提供强大的科技保证．首先介绍了研制系统的背景与意义，然后从视频分析与三维运动模拟两个方面概述了系统所具有的关键功能，最后较为详细地阐述了为实现这些功能所需要解决的关键问题及解决方法，包括视频运动人体提取与跟踪、三维人体运动模拟与仿真等．     

Human motion generation with multifactor models

To generate human motions with various specific attributes is a difficult task because of high dimensionality and complexity of human motions. This paper presents a novel human motion model for generating and editing motions with multiple factors. A set of motions performed by several actors with various styles was captured for constructing a well‐structured motion database. Subsequently, MICA (multilinear independent component analysis) model that combines ICA and conventional multilinear framework was adopted for the construction of a multifactor model. With this model, new motions can be synthesized by interpolation and through solving optimization problems for the specific factors. Our method offers a practical solution to edit stylistic human motions in a parametric space learnt with MICA model. We demonstrated the power of our method by generating and editing sideways stepping, reaching, and striding over obstructions using different actors with various styles. The experimental results show that our method can be used for interactive stylistic motion synthesis and editing. Copyright © 2011 John Wiley & Sons, Ltd.     

基于正交立体图像的3D人体姿态重建算法

提出一种由目标的立体图像通过人工神经网络实时估计得到其3D姿态的方法。网络的输入向量由同步立体图像帧上目标特征点的坐标构成;而输出向量则表示目标若干关键位置的三维姿态（进而可以建立目标的3D模型）。拟合该神经网络所需要的输出样本数据由运动捕获系统REACTOR获取。实验表明基于该算法的3D姿态估计误差低于5%,可以有效应用于3D虚拟目标的计算机实时合成等。     

Real-time control of human actions using inertial sensors

Our study proposes a new local model to accurately control an avatar using six inertial sensors in real-time.Creating such a system to assist interactive control of a full-body avatar is challenging because control signals from our performance interfaces are usually inadequate to completely determine the whole body movement of human actors.We use a pre-captured motion database to construct a group of local regression models,which are used along with the control signals to synthesize whole body human movement.By synthesizing a variety of human movements based on actors’control in real-time,this study verifies the effectiveness of the proposed system.Compared with the previous models,our proposed model can synthesize more accurate results.Our system is suitable for common use because it is much cheaper than commercial motion capture systems.