基于关节联动特征的运动捕获数据分割方法

运动捕获数据分割中,针对关节角度或关节点中心距离作为描述人体姿态的特征所存在的局限性,提出一种关节联动特征。该特征从人体运动学角度对人体关节之间的联动关系进行建模,将关节角度与关节点中心距离作为一组关节联动特征点转换到极坐标空间表示。通过计算任意时刻的人体姿态与初始时刻人体姿态的关节联动特征点的偏移量来描述人体姿态的变化。提取每一帧捕获数据的关节联动特征,并使用主成分分析方法对运动序列进行分割。对CMU人体运动捕获数据库的实验结果表明,使用该特征得到的运动捕获数据分割结果要优于使用关节角度或中心距离特征的分割结果。     

基于几何特征的人体运动捕获数据分割方法

运动捕获在虚拟仿真中被广泛使用,为了实现捕获数据的自动分割,提出了一种基于几何特征的分割方法,将人体运动数据分割为具有特定语义的运动片断,以及连接语义片断的过渡片断。首先选择一组几何特征,然后通过PCA法构造出用于分割的综合特征函数和对应的评价函数;最后对特征函数进行归一化、低通滤波和幅度跳变检测,检测出所有的语义片断,从而实现对运动数据的分割。实验表明,该方法具有较好的分割效果,有助于提高运动捕获的效率。     

基于PCA-LVQ的雷达目标一维距离像识别

研究了宽带高分辨雷达目标识别问题。基于目标一维距离像,提出主成分分析(principal componentanalysis,PCA)和学习向量量化(learning vector quantization,LVQ)相结合的识别方法。即采用主成分分析方法进行数据压缩,提取目标特征,然后利用学习向量量化人工神经网络,训练集进行训练,建立识别模板库。最后对三种飞机模型高分辨回波数据进行识别,结果表明,经过PCA-LVQ网络处理后,目标维数和网络规模均大大降低,且系统具有良好的识别性能。     

基于模板匹配的人体运动捕捉数据处理方法

在光学式运动捕捉系统中,标记点往往会出现近似或对称的分布结构,这使得在对标记点进行识别时容易引起混淆。基于模板匹配的人体运动捕捉数据处理方法根据人体局部刚性结构把人体模板分割为多个子模板,使用空间仿射变换从运动捕捉数据中搜索与相应子模板误差最小的匹配点集作为最优匹配,并通过标记点跟踪实现对散乱数据的识别,解决了因标记点分布结构近似或对称而引起的混淆。对标记点缺失情况进行了重构。当出现错误匹配时系统能够自动检测并更正,整个过程无需人工干预。实验结果表明该方法能够正确识别标记点,标记点缺失情况重构效果比较理想,能够满足实时处理要求,证明了该方法的有效性。

Abstract：

In optical motion capture system,markers may be easily confused because of the approximate and symmetrical distributing structure.An approach based on template matching was proposed for the processing of human motion data.The human template was segmented to several rigid sub-templates by the local rigid structure.Matching point-set with least error was searched for each sub-template from the human motion capture data by affine transformation,and the scattered data was identified by point tracking.The ambiguity of identification was notability reduced.The missing data is reconstructed and when error matching is encountered the system is able to check and rectify them automatically.Manual intervention isn＇t necessary through the whole process.Experiment results indicate that this approach is able to identify the markers correctly,the reconstruction of the missing data is ideal and the processing is in real time.All these prove that the approach in this article is available.     

基于神经网络和散射中心模型的目标参数提取

从雷达回波中获取目标几何参数信息往往存在高计算成本、非线性等困难。该文基于卷积神经网络和前馈神经网络, 提出了一种依据散射中心时频像特征的目标类型自动识别和目标几何参数自动提取方法。由于构建一个神经网络需要大量的训练数据样本, 而扩展目标的散射场计算又非常耗时, 利用基于已知目标已建立的散射中心模型, 快速生成大样本训练数据, 有效解决了训练样本难以获得的问题。以弹头类目标为例给出了数值实验结果, 证实了所提方法的有效性。     

基于最长公共子序列的人体运动序列检索

在计算机仿真领域,运用重新组合等相关技术,可以对已经捕捉的人体运动数据实现重用,以较低的成本产生新的运动.但是,由于运动库的数据庞大,对其实施有效检索成为一个重要问题.以倒排表数据结构为基础,设计出一套针对人体运动的检索算法.不同于传统的最长公共子序列(Longest Common Subsequuence,LCSS)的度量算法,提出了一种限制最小匹配率ρmin的有限最长公共子序列(Limited-LCSS)算法,并在此基础上针对倒排表的数据结构特点对算法进行了优化,显著的提高了算法的效率.实验表明提出的检索方法具有较好的速度和准确性.     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型,但其中传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法提取模型时具有参数复杂度高、计算时间长等问题.对此提出一种基于稀疏字典的广义正交性的改进OMP算法,快速定位模型位置参数值,避免了正交匹配中的寻优过程,从而降低算法的运算复...     

考虑舒适度的人体运动仿真算法

在分析了人体自身的运动反馈控制机理的基础上,引入舒适度作为虚拟人体运动控制的性能指标函数,提出了一种基于舒适度优化的虚拟人体运动控制算法,该算法综合考虑了反向运动学、反向动力学以及人体工效学等因素,避免了单纯从动力学方面求解所带来的虚拟人体动画所隐含的力量冲突,提高了仿真结果的真实性和合理性。利用该算法对人体上肢的运动进行了研究,计算结果和实验结果吻合良好。     

基于噪声特征参数估计的视频运动区域自动提取

视频运动区域的自动提取是视频对象生成的关键。提出了一种视频运动区域的自动提取方法 ,首先对当前视频帧进行全局运动估计和补偿 ,并和上一帧进行差分运算 ,然后通过估计噪声特征参数自适应地滤除噪声 ,从而提取出运动区域。与传统的差分方法相比 ,该方法具有更强的鲁棒性和精确性。实验结果表明了该方法的有效性。     

基于扩展距离像序列的ISAR成像相位补偿方法

逆合成孔径雷达（inverse synthetic aperture radar, ISAR）相位补偿算法对成像结果具有重要影响。首先从ISAR成像原理出发推导了相位误差产生原因,针对多普勒中心跟踪法,分析了横向交叉项对多普勒中心的影响,采用CLEAN算法分离了距离单元内强散射中心簇,构建了扩展距离像序列,提出了基于扩展距离像序列的相位补偿方法,有效地减小了横向交叉项对多普勒中心的影响,提高了相位误差估计精度。成像结果表明,该方法能够较好地补偿ISAR成像中的相位误差,噪声环境下优于其他方法。     

二次映射和遗传算法用于鉴别可视化特征提取

多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征-可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特征,基于遗传算法再从中选择出具有鉴别能力的可视化特征.葡萄酒、乳腺癌和糖尿病等UCI真实数据集的实验结果证实了我们的想法,最佳分类错误率分别达到了0%、1.61%和20.7%,优于报道的常用的分类性能,优于传统的鉴别特征提取方法.     

奇异值特征抽取目标识别法

图像的代数特征是图像的一种固有的特征。每一幅图像都可以认为是一个矩阵,而矩阵的奇异值具有很多适合图像识别的特征。本文不仅研究了矩阵的奇异值的代数特征,而且找到一种将奇异值特征应用到目标识别中的方法,实验结果证明应用奇异值特征可以取得较好的识别效果。     

基于关键点的无模拉拔变形区特征提取与重构算法

无模拉拔过程中,变形区的形状与各工艺参数之间存在着复杂的相互关系。变形区的表示对变形区形状的预测以及智能控制具有重要意义。根据变形区的形状特点,提出了一种基于关键点的无模拉拔变形区形状特征提取和重构算法,有效地实现了高维变形区形状信息的降维和重构映射,与神经网络结合,为建立无模拉拔变形区形状模型提供了一种新的方法。     

实时可控步长人体腿部连续走动运动生成方法

基于一个不具备精确步长控制的人体自由走动描述模型,提出一种根据单步步长求解对应直线走动运动的迭代算法,步长连续可变.对于相邻不同步长走动运动之间的平滑过渡问题,采用具有保边界特性的Bezier姿势加权进行解决,能够实时生成可控步长的人体腿部连续直线走动运动.在已知步长序列条件下,实时生成腿部连续直线走动运动;能够在已知直线走动距离条件下,实时规划走动步长与走动步数并完成走动运动的实时生成.通过一个连续跨沟直线走动的实时生成实例验证了提出方法的有效性.     

光学运动捕捉散乱数据处理的一种方法

阐述了一种适用于被动式光学人体运动捕捉散乱数据处理的方法,该方法基于模版匹配的原理,根据人体标示的特征点的局部相对刚性结构以及整体拓扑结构关系,利用刚性结构匹配、运动轨迹追踪、拓扑结构校验实现散乱数据的处理,从而得到人体运动参数及骨架拓扑结构。该方法解决了追踪算法在特征点重合时的追踪出错问题,处理方法经优化后数据处理过程能够满足运动捕捉的实时性要求,具备错误自动检测和纠正能力,处理过程无须人工干涉。     

一种基于紧支子波的雷达船目标特征抽取方法

本文着重研究正交离散子波变换在非相干雷达船目标特征抽取中的应用。采用现场实录的四类船目标雷达视频回波数据进行实验，结果表明本文提出的方法运算简便，所抽取的特征具有典型性，数据压缩能力强。基于子波域特征提出了一种新的显著态回波的检测方法。     

CAS-Glove型数据手套运动建模与软件系统开发

数据手套是虚拟现实系统当中一种通用而且非常重要的交互设备。本文首先介绍了一种新型数据手套CAS-Glove，然后根据手指的生理约束条件，以及CAS-Glove中传感器的布置和特点，建立了一种改进的手指运动模型。最后对与其相配套的软件系统的组成、主要功能、实用的标定方法和数据处理过程做了详细介绍。     

基于LS-SVM的特征提取及在凝点软测量中的应用

提出了一种基于最小二乘支持向量机(LS-SVM)回归算法的特征提取新方法,并将其成功应用于柴油凝点近红外(NIR)光谱软测量建模。在该方法中,将特征提取公式表达成与LS-SVM回归算法相同的形式,这样就能通过LS-SVM求取最优的特征投影向量。用一个含120个样本的401维柴油近红外光谱数据集进行测试,通过该方法提取后,原始光谱数据集的特征被降到了6维并保留了原有99.58%的信息。同时,用该数据建立的软测量模型具有更快的学习速度和更高的测量精度。实验结果验证了所提的特征提取新方法应用于近红外光谱特征提取的可行性和有效性。     

基于主元分析和免疫聚类的双向特征数据压缩方法

针对诊断特征数据中的重复或相似事例样本和特征参量之间可能存在的相关性，提出并实现了一种有效的特征数据双向压缩预处理方法，从而在不损失数据隐含的特征知识的前提下，有效降低学习机器的学习负担。在进行样本参量的降维处理时，采用基于主元分析的横向数据压缩方法，有效地去除了各特征参量之间的相关性。在压缩样本数量时，综述和比较了现有的各种聚类算法，基于竞争和自组织原理，对借鉴生物体的自然免疫系统中克隆选择以及免疫网络自稳定等有关机理的常规免疫聚类压缩算法，作了重要改进，提出了基于主元核相似度的亲和力定义方法，增加了抗原数据归一化、近似样本直接去除等处理步骤，使算法具有更高的执行效率和更广的适应性。并以国际上通用的过程控制仿真对象“Tennessee Bastman”工厂的实际数据进行仿真实验，验证了所提方法的有效性。