不完整人体运动捕获数据中的姿态与行为识别技术研究

This project addresses the problem of posture and behavior recognition from the incomplete human motion capture data, in which the data reconstruction algorithms and similarity estimation theories of motion posture within the incomplete human motion data are included. Accordingly, the corresponding algorithms within the human visual and machine learning can be established. In this project, we shall solve the posture and behavior recognition problem in two ways: on the one hand, we attempt to complete reconstruction of full motion capture data through incomplete data, and recognize the human posture and behavior via the human visual characteristics accordingly. On the other hand, we shall extract the discriminative features from the incomplete motion capture data directly and subsequently estimate posture similarity to automatically recognize the corresponding posture and behavior, respectively. .The project will mainly focus on the following four aspects: 1) Study the sparse representation of the posture and behavior motion data; 2) Develop a reconstruction method for incomplete human motion capture data; 3) Analyse the optimization theories to combine the global and local motion features; 4) Investigate the relationships between complete and incomplete human motion capture data within different dimensional spaces.

本项目以解决不完整人体运动捕获数据中姿态与行为识别问题为目标，研究基于不完整人体运动数据恢复重构方法和运动姿态相似度估计理论，建立基于人类视觉和机器识别的人体姿态与行为识别算法。在深入理论研究的基础上，本项目拟从两方面解决不完整运动捕获数据中人体姿态与行为识别问题： 一方面从不完整人体运动数据中恢复重构完整运动捕获数据，用于基于人类视觉特征的运动姿态与行为识别。另一方面，直接从不完整运动捕获数据中提取判别性特征和估算人体姿态相似度，用于基于计算机的自动运动姿态与行为识别。 .本项目着重研究以下四方面内容：1）紧致稀疏的人体运动序列表达方式；2）不完整运动捕获数据恢复重构方法；3）全局与局部运动特征相结合的最优化理论和方法； 4）完整与不完整人体运动捕获数据在不同维度空间的对应关系。

本项目针对不完整人体运动捕获数据（标记点遮挡、数据缺失等）中数据的恢复重构与姿态识别问题，利用计算机视觉和模式识别的理论，在缺失数据的补全、运动去噪、运动重构及恢复、运动过渡、运动分割、分层检索机制、全局与局部运动特征融合表示的理论与方法等方面深入研究.通过本项目的研究，目前取得的成果主要包括：1)分段式低秩逼近以及子空间滤波聚类的运动捕获数据去噪方法; 2）基于运动分割和稀疏低秩分解的失真数据恢复方法; 3）采用自适应非负矩阵分解的分层块、以及结合模糊聚类和投影近似点算法的缺失运动数据重构; 4）结合HMM隐状态基元和贝叶斯准则的运动捕获片段过渡; 5）基于时间词袋模型与判别性字典学习的运动检索; 6）基于邻近关系保持字典学习的运动识别. 已发表SCI论文（4篇）， EI权威期刊2篇，国内核心期刊4篇，国际EI会议论文（2篇）. 申请发明专利1项. 本项目已培养硕士生 5 名（1名已毕业）.