基于张量分析及流形学习的三维人体运动参数化编辑与合成

三维人体运动数据分析、编辑与合成是人体动画制作的关键技术，在数字娱乐、运动仿真及虚拟现实等领域有深入广泛的应用前景。现有研究方法大多在原始高维空间中进行运动数据的分析、编辑与合成，存在操作复杂、运算效率低及用户可控的参数化运动编辑与生成困难等局限性。本项目的研究思路是将三维人体运动序列看作是一种时序的、具有空间拓扑约束关系的数据流，抽取能够反映其几何特性与时序动态物理特性的运动时空特征并表示为运动张量形式，采用张量子空间分析方法得到更加紧凑的低维运动张量特征，进而通过扩展的非线性流形降维技术将其投影到低维流形上构建运动语义参数空间,并构建基于运动语义特征表示的人体运动数据参数化编辑与合成算法，最后通过建立运动语义参数空间到运动张量特征空间的逆向映射模型实现运动数据重建。.基于上述理论研究成果，开发一个原型系统，在国内外重要学术期刊和会议上发表高水平论文，以及申请国家发明专利和软件著作权。

三维人体运动数据分析、编辑与合成是人体动画制作的关键技术，在数字娱乐、运动仿真及虚拟现实等领域有深入广泛的应用前景。本项目围绕人体运动特征选择提取、基于非线性流形降维的运动语义参数空间构造及运动生成、基于捕获数据集与脚本的人体运动合成引擎、三维人体运动数据补缺去噪、三维人体运动语义标注识别以及基于少量关节点的三维人体姿态重构等关键技术进行了深入研究。.项目正式发表学术论文12篇，其中包括Pattern Recognition、Neurocomputing、Computer Animation and Virtual Worlds和《计算机辅助设计与图形学学报》等，获得国家发明专利授权3项，软件著作权2项。.整体来看，课题取得了丰富的理论和实践研究成果，该方面研究成果对于三维人体运动数据重用、编辑与合成等理论研究和实践开发具有重要意义。