人体运动的非线性降维及新运动生成

摘要：

为了提高现有运动数据的可重用性,生成更为丰富的新运动,提出快速自适应比例高斯过程隐变量模型,以及基于该模型的人体运动数据降维及运动生成方法.通过对运动数据进行统计学习,获得运动数据在隐空间的一个低维映射来实现非线性降维,同时获得了该运动的姿态空间的概率分布,其大小反映了该姿态的自然逼真程度；在给定末端约束条件下求取满足约束的、同时概率最大的姿态,并将其作为逆向运动学的解,克服了传统逆向运动学算法计算烦琐、效果不逼真的缺点.实验结果表明,该模型具有更快的收敛速度和更高的收敛精度,同时能够自适应运动编辑的方向,有效地扩大运动的可编辑幅度.

关键词：运动数据、非线性降维、自适应、核函数、运动生成

所属期刊栏目：23

分类号：TP391(计算技术、计算机技术)

资助基金：国家"八六三"高技术研究发展计划2009AA01Z335;国家自然科学基金61070140

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1533-1538,1544