基于流形学习和时序语义网挖掘的人体运动序列分析研究

人体运动时间序列分析在动画制作、仿生设计、体育运动及健康医疗等领域有广泛的应用空间，是当前数据挖掘领域的重要研究方向。由于人体及人体运动内在的复杂性，传统方法尚难以针对人体运动中深层次的知识进行理解。本项目研究基于流形学习和语义网挖掘的人体运动时间序列分析问题，重点研究人体运动时间序列的可视化分割及语义理解。在高维时间序列挖掘理论的基础上，首先通过流形学习的方法对人体运动时间序列进行降维，实现高维序列的可视化，使之能够直观表达人体运动变化趋势，进行动作分割。从语义的角度构建用于人体运动时间序列分析的时序语义网，建立人体运动与时序语义网之间的映射关系。分别从时间维度和属性维度构建人体运动时间序列的多索引模型，用于支持人体运动的检索及识别。本项目旨在为人体运动识别中的关键问题提供方法，期望有助于人体运动时间序列分析在更广范围内的应用。

本项目主要研究关节传感器采集的人体运动数据，在现实世界及实际应用中，人体运动在动作合成、运动康复、体育竞技等领域均有广泛应用，人体运动时间序列是机器学习领域一个亟待解决的重要问题。.本项目主要研究人体运动时间序列的分割、人体运动的语义化方法，在此基础上，进一步研究人体运动时间序列的索引方法。主要内容包括以下三点：1.根据流形学习中曲率的思想及人体运动连贯性的假设，通过曲率变化及流形学习的基本理论，给出人体运动时间序列的分割方法。2.在运动学的研究基础上，通过动作义元上升到运动概念，建立人体运动的语义网模型，实现人体运动的语义化。3.通过信息检索的基本理论，实现人体运动的倒排索引方法，能够实现人体运动时间序列的快速检索。4.在机器人、运动合成及运动康复等实际应用，对本项目的理论方法进行了测试，验证了本项目人体运动时间序列相关方法的有效性。.本项目共计发表论文14篇，其中EI检索7篇，SCI检索7篇。