基于运动捕捉数据的人体行为分割与行为语义标注

作     者：王伟强 

作者单位：北京交通大学 

学位级别：硕士

导师姓名：邢薇薇

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：行为分割 行为语义标注 运动捕捉 姿态统计直方图 行为模板 滑动窗口 姿态特征 异常点检测 

摘      要：随着对真实人体动画的需求与日俱增,在过去几年里出现了大量的运动捕捉数据库。这些运动捕捉数据可以被广泛地运用到许多领域,例如动画电影制作、电子游戏开发、物理康复训练和人体工程学研究等领域。为了在以上应用场景中高效地利用运动捕捉数据,需要将长序列的运动捕捉数据分割成多个具有单一行为语义的运动序列片段,并对分割后的序列片段进行行为语义标注。由于人工方式费时费力,自动化运动捕捉数据的分割、标注方法一直是研究的热点。由于人体捕捉数据中人体行为周期各异、数据表达方式复杂以及行为组合方式多样等原因,高效的自动化人体运动捕捉数据分割、标注算法的研究还具有很多的挑战。在针对上述难点的深入分析后,本文提出了一种基于滑动窗口内姿态统计直方图的行为分割方法和一种基于行为模板的行为语义标注方法。无论是在行为分割问题中还是在行为语义标注问题中,都需要一种能够准确刻画运动序列行为特征的方法。因此,本文首先定义了3组新的姿态特征,并通过计算每个姿态特征的取值子区间中运动帧的比例,定义了一种低维的行为特征表示方法,即姿态统计直方图。而且,通过行为分类实验,分析出了最优的姿态特征组合和最优的姿态特征子区间个数。为了通过分析行为特征的突变来定位行为分割点,本文使用滑动窗口从原始运动序列中抽取运动子序列。为了获得稳定且明显的行为特征,本文提出一种基于行为稳定状态分析的滑动窗口参数自动化设置方法。得益于抽取出的运动子序列具有很好的行为聚类特点,行为分割问题可以被简化为异常子序列的检测问题,其中异常子序列的中间帧就是行为分割点。在本文中,局部异常点系数算法(Local Outlier Factor, LOF)被用来定位异常子序列。在行为分割的实验中,本文的方法能够达到98%的分割准确率和97%的分割召回率。在行为语义标注问题中,行为模板被用来作为一类行为的语义特征表示。考虑到在一个行为中不同的身体部位对行为特征的贡献率不同,本文针对同一类行为从姿态特征的集合中抽取部分具有较大方差的姿态特征来生成姿态统计直方图。然后,为了只保留该行为的共有特征,本文将上一步生成的姿态统计直方图中具有高方差低均值的维度剔除掉,最终得到的姿态统计直方图就是行为模板。最后,本文使用琴生-香农散度(Jensen-Shannon Divergence)来度量运动序列的姿态统计直方图与行为模板之间的相似度,然后将琴生-香农散度最小的行为模板所对应的行为语义标注给该运动序列。在行为语义标注实验中,基于行为模板的方法能够达到97%的标注准确率,比基于原始姿态统计直方图的方法高出4.3%。