三维人体运动特征可视化与交互式运动分割

为了从运动序列中提取不同类型的运动片段进行人体动画创作,提出一种三维人体运动数据可视化与交互式分割技术.首先,采用人体各主要骨骼夹角作为对原始运动数据的几何特征表示,并提出一种启发式方法自动检测其潜在分割点,最后将提取的运动特征可视化并使用可交互用户界面对其进行精确分割.实验结果表明。该特征表示及交互式分割方法能够更加方便、准确、高效地对包含多种类型的长序列三维人体运动数据进行分割.     

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.     

基于概率PCA模型的三维人体运动分类

提出基于概率主成分分析的三维人体运动自动识别与分类算法.它根据不同类别的人体运动应各有自己代表性的特征集,采用概率PCA方法建立各类动作的高斯分布模型;然后构建基于最小错误率贝叶斯决策理论的多分类器,实现对未知的动作序列(或具有代表性的帧)进行多分类决策.该方法具有概率模型的优点,适合高维数据处理;同时,这种方法能够提取运动数据的内在特征,较好地消除了运动数据在时间轴上的差异带来的问题,从而准确地对运动数据进行分类,实验结果证明了本文方法的有效性.     

近似周期运动的人体异常行为识别

从人体行为动作的近似运动周期出发,对人体异常行为识别进行了研究。首先采用混合高斯模型的背景差分法提取出人体运动目标,然后对人体形状的变化进行分析来获取该人体运动的近似周期,将人的行为序列分解为一系列的近似运动周期单元,并提取某一近似运动周期单元的R变换特征,最后通过动态时间规整法来决定不同人体运动的类别归属。实验证明,该算法可以有效地检测人体异常行为。     

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

针对人体运动的复杂性和噪声干扰的无序性,提出一种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;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自动分割,得到不同姿态的运动语义子区间;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,实现运动子片段数据的局部恢复;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,达到整体失真运动捕捉数据恢复的目的.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.     

通过语义控制改进运动合成

运动相似性度量是基于运动图的人体运动合成技术的关键.现有方法主要使用运动捕捉数据姿态数值特征进行相似性度量与合成控制,很难处理语义描述上同类型运动数据集中的不同运动实现版本间的时间与空间特征分布变化的问题.提出了引入用户语义控制来改进基于运动图的人体运动合成方法.使用关系特征作为高层语义描述,刻画同类型运动的空间变化特征;通过自学习过程,获得运动类模板,作为同类型运动的空-时特征语义描述;通过将运动类模板数据与人体运动序列文件进行匹配,实现运动类型识别和自动语义信息标注;借助关系特征语义描述及运动序列文件的语义标注信息,实现在基于运动图的运动合成中引入用户直观的高层语义控制.运动合成实验结果显示了该方法的有效性,为获得高质量人体运动合成数据提供途径.     

预选策略和重建误差优化的运动捕获数据关键帧提取

为了从运动捕获数据中提取关键帧来进行人体动画创作,提出一种以重建误差或压缩率为目标的运动捕获数据关键帧提取方法.该方法将关键帧提取划分为帧预选和基于重建误差优化的精选2个阶段,在第一阶段,对原始动作序列筛选边界姿势作为候选关键帧,使最终关键帧序列具有较强运动类型描述能力;在第二阶段,定义帧消减误差作为关键帧重要性的度量标准,并定义最大重建误差作为关键帧提取过程中的优化目标,同时考虑压缩率目标,精选候选帧获得满足指定重建误差或压缩率要求的最终关键帧集合.实验结果表明,文中方法具有良好的数据压缩效果,能满足实时压缩的需要.     

基于运动序列分割的运动捕获数据关键帧提取

采用线性时不变系统把高维运动数据映射到低维状态空间;在低维状态空间中,定义了姿态之间的相似性度量;并采用误差平方和准则对时序的低维数据点集进行运动分割,分割点上的运动姿态被定义为关键帧．实验结果表明：该算法能够较好地提取出运动序列中的关键帧,并且这些关键帧能够很好地概括原始运动序列的内容．     

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.     

基于时序分析的人体运动模式的识别及应用

为了满足对老年人活动能力的检测需求,提出一种基于人体动作状态序列时序分析的运动模式识别方法。利用加速度传感器采集人体腰部的运动信息,通过滑动窗口对加速度数据进行自动检测、去噪和特征提取,构造隐马尔科夫模型实现人体日常活动序列的训练和识别。实验结果证明该方法可以有效区分不同的日常活动行为,能在辅助医疗中发挥重要作用。     

基于时空约束的运动编辑和运动重定向

近年来兴起的运动捕获已成为人体动画中最有应用前景的技术之一，目前运动捕获手段很多，但是通常成本高，而且捕获到的运动类型比较单一，为了提高运动捕获数据的重用性，生成与复杂场景协调的多样的动画，必须对捕获的运动数据进行编辑和重定向处理，介绍了一种基于时空约束的运动编辑和运动重定向方法，通过规定一组时空约束条件，建立相应的目标函数，采用逆向运动学和数值优化方法求解出满足约束条件的运动姿势，实验结果表明，该方法可以生成多种满足不同场景婪泊逼真运动，提出了数据的重用性。     

Compression of Human Motion Capture Data Using Motion Pattern Indexing

In this work, a novel scheme is proposed to compress human motion capture data based on hierarchical structure construction and motion pattern indexing. For a given sequence of 3D motion capture data of human body, the 3D markers are first organized into a hierarchy where each node corresponds to a meaningful part of the human body. Then, the motion sequence corresponding to each body part is coded separately. Based on the observation that there is a high degree of spatial and temporal correlation among the 3D marker positions, we strive to identify motion patterns that form a database for each meaningful body part. Thereafter, a sequence of motion capture data can be efficiently represented as a series of motion pattern indices. As a result, higher compression ratio has been achieved when compared with the prior art, especially for long sequences of motion capture data with repetitive motion styles. Another distinction of this work is that it provides means for flexible and intuitive global and local distortion controls.     

运动串:一种用于行为分割的运动捕获数据表示方法

运动数据的行为分割是运动捕获过程中非常重要的一环.针对现有分割方法的不足,提出了一种可用于行为分割的运动数据表示方法,并基于该表示实现了数据的行为分割.运动数据经过谱聚类(spectral clustering)、时序恢复和最大值滤波法(max filtering)后生成一个字符串,该字符串称为运动串,然后采用后缀树(suffix tree)分析运动串,提取出所有静态子串和周期子串,对这些子串进行行为标注,从而实现运动数据的行为分割.实验表明,基于运动串的分割具有较好的鲁棒性和分割效果.     

Multiscale motion saliency for keyframe extraction from motion capture sequences

Motion capture is an increasingly popular animation technique; however data acquired by motion capture can become substantial. This makes it difficult to use motion capture data in a number of applications, such as motion editing, motion understanding, automatic motion summarization, motion thumbnail generation, or motion database search and retrieval. To overcome this limitation, we propose an automatic approach to extract keyframes from a motion capture sequence. We treat the input sequence as motion curves, and obtain the most salient parts of these curves using a new proposed metric, called 'motion saliency'. We select the curves to be analysed by a dimension reduction technique, Principal Component Analysis (PCA). We then apply frame reduction techniques to extract the most important frames as keyframes of the motion. With this approach, around 8% of the frames are selected to be keyframes for motion capture sequences. Copyright © 2010 John Wiley & Sons, Ltd.     

一种实时虚拟人反应式动画生成算法

使用运动捕获数据驱动与动力学模拟相结合的控制方法,可以产生既真实又能对外界施加的作用力作出反应的人体运动.为减少以前方法中反应式运动数据搜索的时间开销并去除动画师需要的手工调节工作,采用并行计算,并引入人工神经网络的方法,根据虚拟人主要关节的位姿对反应运动类型进行预测,得到需搜索的反应运动子类型库.另外,对搜索匹配的算法进行改善以提高搜索效率.实验结果表明:系统中的虚拟人的运动能在两种控制方式之间灵活切换,并能实时响应外界的交互作用.     

Preserving global features of fluid animation from a single image using video examples

We synthesize animations from a single image by transferring fluid motion of a video example globally.Given a target image of a fluid scene,an alpha matte is required to extract the fluid region.Our method needs to adjust a user-specified video example for producing the fluid motion suitable for the extracted fluid region.Employing the fluid video database,the flow field of the target image is obtained by warping the optical flow of a video frame that has a visually similar scene to the target image according to their scene correspondences,which assigns fluid orientation and speed automatically.Results show that our method is successful in preserving large fluid features in the synthesized animations.In comparison to existing approaches,it is both possible and useful to utilize our method to create flow animations with higher quality.     

Review of techniques for motion capture data processing

In order to high reality and efficiency,the technique of motion capture (MoCap) has been widely used in the field of computer animation.With the development of motion capture,a large amount of motion capture databases are available and this is significant for the reuse of motion data.But due to the high degree of freedoms and high capture frequency,the dimension of the motion capture data is usually very high and this will lead to a low efficiency in data processing.So how to process the high dimension data and design an efficient and effective retrieval approach has become a challenge which we can’t ignore.In this paper,first we lay out some problems about the key techniques in motion capture data processing.Then the existing approaches are analyzed and summarized.At last,some future work is proposed.     

虚拟现实中一种基于运动混合的实时同步算法

在虚拟现实中,采用运动捕获系统建立基本运动库,然后通过运动编辑技术对基本运动进行处理。运动混合技术是编辑技术中最为实用也最为复杂的一种。提出了基于运动混合的实时同步算法,以便更好地动态混合运动,避免产生未预期的效果,以创建复杂的虚拟动画。     

基于形状匹配的卡通运动捕捉

提出一种对传统的卡通动画进行运动捕捉的方法．不同于以前基于骨架模型或者关键形状表示的方法,用整体仿射运动和局部非仿射变形的组合来表示卡通人物的运动,用卡通人物的轮廓表示它的形状;然后直接对相邻的关键帧进行形状匹配,将恢复的运动参数映射到一个目标人物上,使其具有与原来人物相同的运动方式．文中不使用先验模型,通过形状匹配来获取和映射卡通人物的运动,并通过实验验证了该方法的可行性．     

基于拉普拉斯算子的人脸表情克隆优化方法

针对人脸克隆表情的真实性和表情重建的效率,提出了一种基于运动捕捉数据的人脸表情克隆新方法。使用运动捕捉设备捕捉人脸六种基本表情数据,并对数据进行归一化处理,使其位于同一区间范围,保证克隆表情数据的有效性;在表现人脸表情的关键区域选取41个特征点,通过采用凸权值的拉普拉斯变形算法将人脸表情转移到目标模型上,很好保留了人脸表情的细节,克服了均一权值保真度低和余切权值计算不稳定的问题。实验结果表明,该方法合成的克隆表情真实、自然,人脸表情克隆的效率得到了显著提高。