基于稀疏表达的人体运动恢复研究

《基于稀疏表达的人体运动恢复研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ADissertationSubmittedtoZhejiangUnver。tyfortheDegreeofUnlVers1DegreeMasterofEngineering⑧TITLE：基皇§皇垒!鱼hQ旦§乜垒!§皇基金乜!皇兰皇旦主垒主主Q垒堡垒§金堕H堕堡垒翌丛Q主iQ垒ReconstructionAuthor：HaiLinSupervisor：Prof．FeiWu△：里』堕n墨i垒QSubject：ComputerApplication‘———————。。。。。。。。●-__-_-。。。。。。。。。。。_●-__

2、--___________-●●___-___________I________________-__-一College：ComputerScienceandTechnology———————————____I__--_-_________-_-_____-__________●____—————————————_______________--_--_一SubmittedDate：2013．1浙江大学硕士学位论文摘要近年来，运动捕获技术的日益成熟和广泛使用产生了大量的三维运动数据，这些数据己被越来越广泛地应用在计算机动画

3、、电影制作和3D游戏等领域。然而，三维人体运动数据有两个备受关注的问题：首先，是目前的三维人体运动捕获设备，由于受到标记点之间的相互遮挡、误标记等原因，常常会使得运动数据包含噪声，为了在工业中使用精确的数据，还需要对原始数据进行去噪处理，专业动画师的手工调整将是一项很耗时耗力的工程；其次，每次使用商用的三维人体运动捕获设备，都需要地在人体全身各个关节点处贴上反光标记点，这些点往往多达三四十个，而在一些家庭娱乐应用中，我们其实并不需要如此精密的姿态数据，我们关心的只是一些关键部位的正确位置，而对于非关键部位，允许适当的误差。

4、针对上面的问题，本文提出了在已有的三维人体运动数据基础上，对新捕获的运动数据进行自动去噪和只捕获少量关键标记点来恢复全身运动信息的方法。具体包括：提出了利用数据驱动和稀疏表达的三维人体运动去噪方法。该方法，首先构建细粒度的人体运动时空语义特征，然后在包含有纯净的已知三维姿态的运动数据库中，查找与当前受到噪声干扰片段最接近的k个检索结果，利用这k个候选运动片段，通过稀疏表达的优化框架对运动进行恢复重建。针对人体运动中最为常见的两种噪声一一高斯噪声和奇异值点噪声，本方法使用略微不同的优化公式，获得了很好的去噪效果。提出了基于少

5、量关键标记点的人体姿态稀疏重建方法。该方法对于每帧输入的控制信号，在数据库中查找与之最为匹配的k近邻，由它们构成恢复字典，然后利用利用稀疏表达的优化框架恢复出全身的运动姿态。关键词：运动捕获，三维人体运动，稀疏表达，去噪，少量关键标记点，重建浙江大学硕士学位论文AbstractAbstractRecently,motioncapturetechniqueisbecomingmoreandmorepopularandwidelyadopted，thusproducingalotof3Dhumanmotiondata．Mean

6、while，therearetwoappealingquestionsaboutmotiondata．Firstly,eventhecommercialmocapsystemcannotavoidnoise，duetomarkerocclusionsormislabeling．Inordertouseaccuratemotiondatainindustry,rawdatamustbedenoisedandmanualcorrectionbyprofessionalanimatorsisusuallyverytime—con

7、suming．Secondly,existingcommercialmotioncapturesystemsrequireperformertowearcumbersomeequipment，suchasfortyretro—reflectivemarkersattachedtohumanbodyjoints．However,inapplicationsforhomeuse，usersonlycaresomekeyjoints’positionanddon’tcaretheaccuracyofotherjoints．The

8、refore，weproposehumanmotiondenoisingmethodandhumanmotionreconstructionmethodfromafewjoints’informationrespectively．Thispaperproposesadata-drivenapproach