基于样本的等距特征映射的行为分析方法

针对运动捕捉数据分析和应用的效率要求,提出了一种基于样本-Isomap的行为分析方法.通过计算运动数据中样本帧的距离矩阵得到样本嵌入空间的特征向量,用其近似表示嵌入空间的特征向量,然后在该空间上计算非样本帧的投影,得到非样本帧的近似流形嵌入.结果表明当样本帧的选取比例在10%时可以近似得到整个运动数据的低维流形嵌入,且处理效率比原方法提高10倍以上.应用该算法对高维运动捕捉数据进行降维,能够提高运动捕捉数据分析和应用的效率.     

模糊时空XML数据拓扑关系表示和确定的研究

在模糊时空数据的管理中,确定拓扑关系是模糊时空数据最为重要的操作之一.已有基于XML对模糊时空数据拓扑关系的研究工作大多是对模糊时空数据拓扑关系的定性研究.首先提出了模糊时空XML数据的模型,研究了模糊时空XML数据间拓扑关系的表示方法并定量的给出了其计算方法.之后,讨论了模糊时空XML数据模型结构的转换问题.在对编码模式进行扩展后,提出了模糊时空XML数据模型结构中位置结点的匹配算法,并通过实验验证了所提方法的性能优势.     

基于多尺度时空特征的篮球场景中人体姿态估计

人体姿态估计是计算机视觉领域的研究热点之一,目标是从给定的图像或视频中识别人体的关节.由于篮球比赛视频中人体动作复杂多变,易产生运动模糊、遮挡等问题,导致现有的人体姿态算法对篮球动作姿态估计的准确率较低.针对这一问题,提出了一种基于多尺度时空关联特征的篮球动作姿态估计算法,构建基于Transformer的人体时序特征捕捉模块对序列层级的时空特征信息进行建模,以缓解运动模糊、遮挡等现象带来的负面影响.此外,针对人体外形复杂多变的问题,提出了基于可形变卷积的人体空间特征残差融合模块来获取更为充分的空间特征.与现有算法相比,该算法在自行构建的篮球场景人体运动数据集、姿态估计公开基准数据集PoseTrack2017和PoseTrack2018均取得较好的效果.     

基于法向量场的散乱点集三角网格化

文章提出了基于散乱空间点集进行曲面重建的新方法,即从散乱点集的空间位置信息中估算出待建曲面的法向量场,构造基于法向量的曲面重建控制方法和控制参数,并用该参数来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面.该方法在快速获得正确的拓扑连接的同时,直接生成用较少的面片就能保持曲面特征的优化网格.     

基于余弦距离的人体运动数据行为分割算法

对人体运动捕捉数据进行行为分割是人体运动数据分析与合成中的关键处理步骤,为此,提出一种新的人体运动数据行为分割算法。采用骨骼夹角直方图刻画人体运动统计特征,使用余弦相似度作为人体运动数据骨骼夹角直方图特征的相似性度量,实现对运动行为的自动分割。对于给定的人体运动捕捉序列,首先定义滑动比较窗口,计算当前窗口范围内运动序列前、后2部分骨骼夹角直方图统计特征的余弦相似度,然后通过在运动序列上滑动该窗口,获得运动序列的余弦相似度曲线,曲线最小值位置即为不同类型行为的分割点。在CMU人体运动捕捉数据库上进行数值实验。研究结果表明:本文算法能够实现对人体运动捕捉数据的自动行为分割;与广泛采用的基于PPCA的行为分割方法相比,本文算法具有良好的性能。     

地块多边形拓扑关系的自动构建算法

针对地籍数据如何快速构建其拓扑关系的问题,根据地籍数据的空间拓扑信息,提出了一种新的地块多边形自动构建算法.在建立多边形拓扑关系时,算法只需要利用图的特征信息,避免了多边形内角计算与比较,以及坐标位置的比较.实例及算法分析表明,新算法减少了多边形的反复搜索和例外情形的处理,显著提高了多边形搜索的效率.     

基于样点拓扑近邻的散乱点云曲面拓扑重建

提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.     

散乱数据点云边界特征自动提取算法

提出一种散乱数据点云边界特征自动提取算法,该算法采用R* -tree动态空间索引结构组织散乱数据点云的拓扑关系,基于该结构获取采样点的k近邻点作为局部型面参考数据,以最小二乘法拟合该数据的微切平面,并将其向微切平面投影,根据采样点与其k近邻所对应投影点连线的最大夹角识别散乱点云边界特征.实例验证该算法可快速、准确地提取散乱数据点云的边界特征.     

一种适用于配电网重构的动态调整策略

提出了一种适用于配电网重构的动态调整策略,将其与整数粒子群优化算法相结合,实现了高效的配电网重构.动态调整策略分为问题变量解空间动态调整策略和粒子位置变量截断方式动态调整策略两部分:前者是指初始化时,粒子位置向量中的每一维变量根据已经更新的问题变量动态调整问题解空间,从而保证映射的问题解都是拓扑可行解;后者是指粒子更新过程中,位置向量的每一维变量通过动态调整截断方式来改变粒子位置向量空间到问题解空间的映射关系,潜在的拓扑不可行解被视为截断误差偏大而自动优化调整,这样不仅使更新过程不产生拓扑不可行解,而且更新过程的优化特性得以保留.动态调整策略可以结合粒子连续运动空间和问题离散解空间的映射关系,避免粒子搜索过程中产生网络拓扑不可行解,不仅达到了减少冗余搜索的目的,还提高了算法的优化性能.算例结果表明,提出的结合整数粒子群映射关系的动态调整策略不仅能够有效地求解配电网重构问题,而且具有良好的鲁棒性.     

基于骨骼投影信息的人体行为识别

针对复杂环境下深度相机提取人体骨骼信息失效的问题，利用RGB图像提取运动特征，提出结合人体部分重要关节点信息进行行为识别的方法。首先根据人体行为图片捕捉人体各关节点的空间位置信息，建立坐标系描绘出人体骨架，将三视图嵌入二值图像中；利用Lucas-Kanade光流算法得到关节点的运动信息，构成由张量表示的动作序列；估计动作特征描述序列，再映射到格拉斯曼流形上完成人体行为识别和分类。在MSRActinos3D、UCFKinect数据集上的实验结果表明，该方法能够有效识别各种人体行为。