人体运动数据去噪的时空格局关系与结构稀疏性研究

人体运动数据去噪的时空格局关系与结构稀疏性研究(中文6000字,英文PDF)
  摘要——动作捕捉是一项重要的技术并且具有广泛的应用领域，如计算机视觉、计算机动画，电影产业、医疗康复等。即使拥有专业的动作捕捉系统，所获得的原始数据大多包含不可避免的噪音和异常值。为了给数据去噪，已经开发了许多方法，然而由于生活中人体运动的多样性与复杂性，这个问题依然是一个很大的挑战。在本文中我们通过对动作数据时空格局和嵌入疏松结构的挖掘我们提出了一种基于数据驱动鲁棒性的人体动作数据去噪方法。我们首先用一个细粒度的姿态模型代替通常所用的姿态模型来表示丰富的人体姿势和与运动的相似性特征。然后，利用我们提出的这个鲁棒词典学习算法来学习从训练数据中提取的具有代表性、复杂紧凑的词典。最后，我们就把对人体动作去噪的问题变成了鲁棒结构稀疏编码问题。与其他几种顶级的动作数据去噪算法相比，在去除合成噪声和实际噪声方面，我们的方法明显表现得更为优秀。我们方案输出的数据相对其他方法也更为可靠。此外，相对于其他基于数据驱动的方法，我们的方法更容易设置训练数据集。