基于深度学习和动态时间规整的人体运动检索

摘要：

随着计算机动画在各种应用中的日益普及,市场上出现了很多人体运动捕获设备,人们使用这些设备制作了大量的人体运动数据库.为了节约成本和高效地利用已有数据资源,提出了一种基于深度学习和动态时间规整相结合的人体运动检索方法.该方法包括两个主要阶段,在学习阶段,针对运动数据库中的运动序列,首先利用模糊聚类获取运动代表性帧,进而建立关键帧图像集合,然后应用深度神经网络学习关键帧图像集合,得到自动编码器,再应用自动编码器提取各个关键帧运动姿态的特征,建立运动特征数据库.在运动检索阶段,针对待查询运动序列,根据阶段1获取的自动编码器对每一关键帧图片提取特征,进而使用基于曼哈顿距离的动态规划方法计算待查询运动与数据库中运动的相似度,并根据相似度量值对检索结果进行排序.最后通过实验验证了该方法的有效性.

关键词：运动检索、模糊聚类、自动编码器、曼哈顿距离、动态规划

所属期刊栏目：28

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金61671362,61271362;陕西省自然科学基金2017JM6041

在线出版日期：2018-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63