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。
运动捕捉数据恢复、双边滤波、运动分割、加速近端梯度法、稀疏低秩分解
TP391.4(计算技术、计算机技术)
国家自然科学基金61202298,61202299,61300138;福建省自然科学基金2014J01239,2012J01274;华侨大学高层次人才科研启动基金14BS207
2015-04-27(万方平台首次上网日期,不代表论文的发表时间)
共11页
721-730,737