摘要：数据驱动的角色动画技术是计算机图形学研究的热点之一.该技术依赖于对庞大的人体运动捕获数据的重用.为了便于存储和网络传输数据,高效实时的人体运动捕获数据压缩方法是非常重要的.文中从消除时域冗余、空域冗余及片段域冗余等多个角度对近年来的人体运动数据压缩方法进行介绍,总结归纳了人体运动捕获数据压缩流程,梳理出了人体运动数据压缩方法的分类原则,并以冗余类别为主线回顾与综述了人体运动压缩领域的最新研究成果.最后展望了该研究领域未来的发展趋势.

摘要：为了实现运动捕获数据的实时压缩,提出一种重建误差最优化的关键帧提取方法.定义重建误差作为关键帧有效性的度量标准;利用帧消减算法得到各消减帧的重建误差,并根据误差大小对消减帧进行排序;最后以消减帧排序为基础计算出重建误差曲线,并依据曲线确定最优压缩率来提取出相应数量的关键帧.实验结果表明,该方法能够高效地从运动捕获数据中提取出具有最优重建误差的关键帧,较好地满足了数据实时压缩的需要.

摘要：为了精确、高效地检索人体运动数据库,将三维人体运动捕获数据表示成类似于文本的形式,提出一种基于内容的运动检索方法.首先对人体上/下半身两部分数据分别提取关键帧,并进行相似传播聚类分析,获得数据中最具代表性的一组人体姿势,称之为运动词汇;然后将运动片段的每一帧都替换成运动词汇中与其最相近的姿势来构建运动文档,利用Bigram向量空间模型对人体运动进行检索.整个算法流程不需要人为干预,能够自动完成对已分割运动数据片段的索引.实验结果表明,与现有方法相比,文中方法具有更高的检索精度和召回率.

摘要：为将长运动中所包含的不同运动自动分割出来,提出一种基于谱聚类的长运动数据分割算法.首先将运动捕获数据分解成长度相等的运动数据片段,并基于主成分分析来计算这些小片段之间的相似度,得到运动数据相似度矩阵;然后用谱聚类算法将相似度矩阵转换为相应的拉普拉斯矩阵,计算其前若干个特征向量,并采用K均值算法获得聚类结果;由于上述相似度矩阵直接实施谱聚类算法所得到的类别标签序列包含大量噪声,采用统计滤波算法对分类结果进行了处理,获得最终的分割点.在14个运动数据上进行自动分割测试,验证了文中算法的有效性.

摘要：为了从运动捕获数据中提取关键帧来进行人体动画创作,提出一种以重建误差或压缩率为目标的运动捕获数据关键帧提取方法.该方法将关键帧提取划分为帧预选和基于重建误差优化的精选2个阶段,在第一阶段,对原始动作序列筛选边界姿势作为候选关键帧,使最终关键帧序列具有较强运动类型描述能力;在第二阶段,定义帧消减误差作为关键帧重要性的度量标准,并定义最大重建误差作为关键帧提取过程中的优化目标,同时考虑压缩率目标,精选候选帧获得满足指定重建误差或压缩率要求的最终关键帧集合.实验结果表明,文中方法具有良好的数据压缩效果,能满足实时压缩的需要.

摘要：采用线性时不变系统把高维运动数据映射到低维状态空间;在低维状态空间中,定义了姿态之间的相似性度量;并采用误差平方和准则对时序的低维数据点集进行运动分割,分割点上的运动姿态被定义为关键帧.实验结果表明:该算法能够较好地提取出运动序列中的关键帧,并且这些关键帧能够很好地概括原始运动序列的内容.

摘要：为了解决参数化运动合成方法中普遍存在的参数结构不统一和可理解性差的问题,提出一种稀疏语义参数化模型.该模型对预处理后的运动样本进行时序成组的稀疏主成分分析,得到若干个稀疏基向量;将运动参数表示为原始变量的稀疏线性组合,而组合系数对应着稀疏基向量的分量,因此运动参数具有鲜明语义.实验结果表明,采用文中模型只需简单地修改运动参数的数值,就能够实时地控制如摆臂幅度、肘部弯曲程度、行走路径、步幅、跳跃距离等运动属性,从而直观、高效地合成出符合用户要求的逼真运动.