时序动作单元感知的开集动作识别

开集动作识别任务要求模型不仅能准确识别训练集中的类别，还能拒绝训练集上未出现的未知类动作.目前，大多数方法都将动作视为一个整体，忽略动作本身可被分解为更细粒度的动作单元.为此，文中提出时序动作单元感知的开集动作识别方法.首先，设计动作单元关系模块，学习细粒度的动作单元特征，得到动作和动作单元的关系模式，并通过已知类动作和未知类动作在动作单元上不同的激活程度识别未知类动作.然后，设计动作单元时序模块，建模动作单元的时序信息，研究动作单元的时序性，进一步区分因为外观相似而被混淆的已知类动作和未知类动作.最后，综合考虑关系模式与动作单元时序信息，使模型具备区分已知类动作和未知类动作的能力.在3个动作识别数据集上的实验表明，文中方法性能较优.     

基于动作捕捉传感器的民族舞蹈动作自动识别系统

针对传统舞蹈动作捕捉和自动识别准确率低的问题,设计一个基于动作捕捉传感器的民族舞蹈动作自动识别系统。系统通过构建人体动作数据库,为人体关节动作模型提供数据参考,利用传感器读取数据后,将读取数据置入三维人体动作模型中,将其与数据库中的标准动作进行匹配,找出舞蹈训练者的错误动作并进行纠正,以此实现舞蹈动作自动识别。测试结果表明,对比于其他动作识别系统,本系统在动作识别角度和关节点定位方面与Kinect标准值间的误差最小,识别准确率高达97.6%,综合分析可知,本系统可实现民族舞蹈动作的精准捕捉和自动识别,具有一定的有效性。     

基于LLE和KRR的人体动作重构算法研究

人体动作重构是当前图像处理的热点问题, 针对其问题的特点, 提出一种全新的LLE与KRR相结合的人体动作重构方法。首先针对图像的颜色和深度信息, 提取人体动作骨架, 建立动作训练集; 再将训练集转变为动作向量库, 采用LLE算法计算人体动作的低维流形, 并对流形数据作相关分析; 最后, 将预测的低维衔接动作点逆映射回高维欧氏空间, 首次应用KRR算法解决传统降维不可逆映射问题, 从而使动作重构得以实现。实验结果表明：通过对流形动作点相互映射得到的重构动作较为理想, 针对不同自由度的动作过程, 所提出的人体动作重构方法有很好的效果。     

基于滑动窗口和动态规划的连续动作分割与识别

针对现有动作识别中对连续动作识别研究较少且单一算法对连续动作识别效果较差的问题，提出在单个动作建模的基础上，采用滑动窗口法和动态规划法结合，实现连续动作的分割与识别。首先，采用深度置信网络和隐马尔可夫结合的模型DBN-HMM对单个动作建模；其次，运用所训练动作模型的对数似然值和滑动窗口法对连续动作进行评分估计，实现初始分割点的检测；然后，采用动态规划对分割点位置进行优化并对单个动作进行识别。在公开动作数据库MSR Action3D上进行连续动作分割与识别测试，结果表明基于滑动窗口的动态规划能够优化分割点的选取，进而提高识别精度，能够用于连续动作识别。     

基于动态频域分解的乐队指挥动作生成

近年来,音乐与人体动作之间的内在关联一直以来都在被广泛研究。然而,很少有人关注音乐驱动的乐队指挥动作生成这一任务,即以音乐为输入信号,生成与音乐节奏和语义相协调的乐队指挥动作。聚焦于这一任务,针对指挥动作多种语义成分时空重合的特性,提出基于动作动态频域分解(dynamic frequency-domain motion decomposition, DFMD)的指挥动作生成方法。具体地,首先利用节拍信息构建滤波器,将指挥动作分解成高频和低频分量;接着,通过深度卷积神经网络动态地学习这些分量;最后合成最终的指挥动作。在大规模指挥动作数据集ConductorMotion100上进行的实验中,基于DFMD的指挥动作生成方法得到的低频动作分量和高频动作分量的标准差分别达到了4.457 9和9.646 6,与真实动作十分接近。该方法突破了现有基于时域或空间域动作分解中连贯性与协调性不可兼得的局限,并有效避免了大幅值低频动作对小幅值高频动作的影响。可视化结果证明生成的动作自然、美观、多样,且与音乐信号紧密同步。为音乐与动作之间的关联提供了新的解释,并为音乐表演领域带来了创新的应用前景。     

连续复杂手语中关键动作的提取算法

文中提出了一种在手语动作中提取关键动作的算法。在连续复杂的手语动作中,关键动作数量少且状态相对稳定,因此利用关键动作构造手语的数据模型,将会减少不稳定因素,提高准确率。因此文中提出了一种自适应的分类算法,利用关键动作之间时间的先后关系,以及动作上的不相关性,逐步提取关键动作。实验证明, 该算法 不仅可以面向非特定人群,而且无论是对单独的手语词汇,还是连续的手语语句,均可以提取到全部的关键动作。关键动作可以看作是手语的基元,因此关键动作的提取对于构造新的手语数据模型以及识别手语都具有重要意义。     

基于参数化动作描述的虚拟维修过程仿真

在虚拟人执行维修动作的过程中,参数化动作描述起到了虚拟人动作和自 然语言维修指令之间的桥梁作用,是为了规范虚拟人执行维修任务动作。论文在参数化动作 描述和智能虚拟维修训练环境的基础上,构建了维修任务分解模型和动作库;以参数化动作 描述为基础,提出了用于3D 虚拟人维修动作仿真的虚拟维修实时执行层次结构。最后,通 过某型起落架维修任务对参数化动作和仿真架构可行性进行验证,结果表明,基于参数化动 作描述描述的动作库可以很方便的进行维修过程仿真。     

基于扩展描述逻辑和逻辑程序的事件动作形式化表示与推理

"事件"是比"概念"粒度更大的人类知识表示单元,更接近于人类的认知过程。动作作为事件的一个重要要素,表示事件中对象的状态的变化过程。在状态的变化过程中加入时间信息,将动作表示为对象的状态随时间变化而变化的过程,使得动作描述得更加具体。运用事件中的动作、对象和时间要素构建了一个动作形式化体系,研究了事件知识中确定性动作和不确定性动作的语法表示和语义解释。该形式化体系将扩展的带时间维的描述逻辑T-ALC和逻辑程序设计进行整合,增强了动作的表达能力;在动作的推理中,将确定性动作转化为逻辑程序Datalog规则实现动态推理,将不确定性动作转化为Datalog规则实现不确定推理。最后通过银行服务系统实例对动作的形式化表示和推理进行了验证。     

装甲兵虚拟兵力战术对抗动作参数建模方法

阐述了一种基于BP神经网络模型的装甲兵虚拟兵力战术对抗动作参数建模方法,将战术对抗动作分解为感知类动作、共享类动作、决策类动作、指挥类动作、打击类动作,动作参数包括延迟时间和准确率,并通过分析不同类动作各参数的影响因素,构建样本库,建立并训练BP神经网络模型,进行参数数值计算,将计算得到的动作参数数值加载到虚拟兵力战术对抗动作参数中,完成对虚拟兵力战术对抗动作参数的建模.上述方法解决了现有技术中虚拟兵力战术对抗动作延迟时间及动作准确度设置不合理,导致的对抗训练过程中训练场景不真实,实际训练效果不理想等问题,使虚拟兵力动作参数建模更合理,对抗训练过程中训练场景更加贴近实际.     

一种基于示例轨迹的抽象动作树构造方法

自动构造抽象动作一直是分层强化学习研究中的关键技术之一。抽象动作链接算法是目前连续任务中自主发现抽象动作的典型算法,但是抽象动作链接算法需要进行很多次的迭代计算,收敛速度较慢。本文提出一种基于示例轨迹的抽象动作树构造算法(ACADT),通过使用一种变点侦测方法,ACADT把每一个轨迹分割成一个抽象动作链。这些从轨迹中分割得到的抽象动作链随后被合并成一棵抽象动作树。实验表明ACADT可以构造成一棵抽象动作树并能够更快收敛。      

基于动作模板匹配的弱监督动作定位

为解决视频中的动作定位问题，提出一种基于模板匹配的弱监督动作定位方法。首先在视频的每一帧上给出若干个动作主体位置的候选框，按时间顺序连接这些候选框形成动作提名；然后利用训练集视频的部分帧得到动作模板；最后利用动作提名与动作模板训练模型，找到最优的模型参数。在UCF-sports数据集上进行实验，结果显示，与TLSVM方法相比，所提方法的动作分类准确率提升了0.3个百分点；当重叠度阈值取0.2时，与CRANE方法相比，所提方法的动作定位准确率提升了28.21个百分点。实验结果表明，所提方法不但能够减少数据集标注的工作量，而且动作分类和动作定位的准确率均得到提升。     

部分观测环境下的时态动作模型学习方法

已有的动作模型学习方法针对确定的或不确定的瞬时动作，而未考虑动作模型中的时态关系。提出了在部分观测环境下自动学习时态动作模型的方法。设计了学习动作持续时间表达式一般形式的两阶段线性回归方法。通过分析命题时间戳设计了动作前提、效果与动作之间时态关系算子的构建算法。在“国际智能规划竞赛”的规划问题集上进行了实验，结果表明了该方法的有效性。     

基于时间的角色动作调整方法

针对目前基于运动捕捉的角色运动控制方法中动作的不可调整问题,提出一种基于时间的角色动作调整方法。利用角色模型已有的基本动作,通过分析这些动作的时空特性得到动作各个阶段的时间参数;然后根据控制信息和环境约束,实时计算角色运动过程中的目标位置,再结合基本动作的时空特性,实时计算出运动关节参数,最终使角色能够在基本动作的基础上根据需要做出新动作。最后利用Unity平台加载角色模型,仿真实现了角色在转向和上台阶时腿部动作的调整过程。     

智能规划中的动作互斥编码方式研究

以规划领域中的动作为对象,研究规划方法中的动作互斥编码方式。介绍基于规划图的动作互斥编码、利用提取领域相关信息生成动作效果的直接阻碍与间接阻碍编码,以及依赖于域转移图动作间的长距离互斥编码,说明每类动作互斥编码的构造方法及其削减搜索空间、提高求解效率的作用。     

面向编钟乐舞动作关联度评价系统的研究实现

着重分析了舞蹈文法下的动作归类及其对应关系。探讨了基于情感模型下的动作风格鉴定理论,提出了通过对特征动作单元属性和关联约束的定义来实现动作的衔接方法,并给出了该方法在动作编排系统中的应用框架。     

基于肌电信号的手部动作模式识别新思路

为了更好地识别手部动作,提出了一种新思路,将单个手指的状态作为识别目标集。采集常用手部联合动作的6路表面肌电信号,以单个手指的状态为基准将动作合理规划,提取各通道样本均值构造特征向量,设计3个并行BP神经网络,从联合动作样本中学习单个手指的状态,使得分类基数小,从而降低分类的复杂度,克服了传统多分类方法中需要采集动作多的缺点。实验结果表明,采集12种手部动作的肌电信号,将手部动作合理简化为手指动作后,利用手指的状态来训练神经网络,就能够识别出手指的3个状态的所有组合动作,即所有常用的18种手部联合动作。     

让几个动作齐头并进

在制作PPT的过程中，如果你想要绑定两个或两个以上动作让它一起进行，只需要在制作完所有动作后，按下Ctrl键，用左键在任务窗格中选择所有希望同时进行的动作，然后单击这些动作右边的向下箭头。如果希望单击鼠标后就动作，请执行弹出菜单中的“单击开始”。如果想要和前一个动作同时开始动作，请执行“从前一个开始”就行了。     

基于机器视觉技术的运动动作实时跟踪方法研究

利用机器视觉能代替人眼进行测量和判断,研究基于机器视觉技术的运动动作实时跟踪方法。使用基于机器视觉的运动动作特征提取算法,提取运动视频流中的关键帧,获取其感兴趣区域及其SIFT特征点,根据特征点计算动作图像的特征向量,将其当作AD-DWTAdaBoost算法的输入样本,采用基于AD-DWTAdaBoost的运动动作识别算法辨识样本中的运动动作后,使用改进均值漂移算法实时跟踪目标运动动作。实验结果表明：运动动作特征提取稳定性参数的极值和均值都处于稳定范围;识别不同运动动作所需时间速度倍率最高可达6.16%;各视频帧的中心距离误差基本都保持在15像素以下,并能实时跟踪运动动作。     

基于时序深度置信网络的在线人体动作识别

在线人体动作识别是人体动作识别的最终目标,但由于如何分割动作序列是一个待解决的难点问题,因此目前大多数人体动作识别方法仅关注在分割好的动作序列中进行动作识别,未关注在线人体动作识别问题.本文针对这一问题,提出了一种可以完成在线人体动作识别的时序深度置信网络（Temporal deep belief network, TDBN）模型.该模型充分利用动作序列前后帧提供的上下文信息,解决了目前深度置信网络模型仅能识别静态图像的问题,不仅大大提高了动作识别的准确率,而且由于该模型不需要人为对动作序列进行分割,可以从动作进行中的任意时刻开始识别,实现了真正意义上的在线动作识别,为实际应用打下了较好的理论基础.     

基于动作捕捉的汽车座椅坐姿自动化装配方法研究

针对汽车座椅坐姿自动化装配过程存在人体动作干扰等因素,提出基于动作捕捉的汽车座椅坐姿自动化装配方法。结合视觉动态特征分析方法,进行汽车座椅坐姿自动化装配的动作图像采集,对采集的汽车座椅坐姿动作图像进行降噪处理,采用分区域特征匹配方法进行汽车座椅坐姿动作图像的模板特征匹配,提取汽车座椅坐姿动作图像的边缘轮廓特征量,结合模糊像素区域性融合技术实现对汽车座椅坐姿自动化装配过程中的动作捕捉,根据动作捕捉结果进行汽车座椅坐姿的动态调节,实现汽车座椅坐姿自动化装配优化。仿真结果表明,采用该方法进行汽车座椅坐姿动作捕捉的性较高,动态调节能力较好,提高了汽车座椅坐姿自动化装配水平。