【摘 要】
：
人体运动数据被广泛应用在影视制作、医疗康复、体育训练和虚拟现实等领域之中。为了满足用户在不同场景下的需求,出现了多种运动采集设备,形成了多种模态的人体运动数据,多模态人体运动数据的融合可以用于运动数据去噪和运动合成等研究。然而,现有的多模态人体运动同步数据集的数据量和动作种类有限,为支撑更具通用性的研究,设计并采集一套公开的多模态人体运动数据集是亟待解决的问题。因此,本文基于现有的运动采集设备设计
论文部分内容阅读
人体运动数据被广泛应用在影视制作、医疗康复、体育训练和虚拟现实等领域之中。为了满足用户在不同场景下的需求,出现了多种运动采集设备,形成了多种模态的人体运动数据,多模态人体运动数据的融合可以用于运动数据去噪和运动合成等研究。然而,现有的多模态人体运动同步数据集的数据量和动作种类有限,为支撑更具通用性的研究,设计并采集一套公开的多模态人体运动数据集是亟待解决的问题。因此,本文基于现有的运动采集设备设计了一种多模态的人体运动数据采集方案,并在此方案的基础上开发了多模态人体运动数据同步采集系统。本文的主要研究工作分为以下几个方面:（1）设计了一种多模态人体运动数据同步采集方案。该方案建立了基于传感器的动作捕捉设备采集精准的运动数据、基于体感设备采集低精度运动数据和基于IMU采集局部惯性数据的采集环境,并且提供了各类模态数据之间的时空同步方法。基于该方案采集了全身运动多模态数据,包含12位采集者做6类运动总计9185983帧数据,并对采集的数据进行时空同步从而建立全身运动多模态数据集HFUT-MMD。（2）基于HFUT-MMD数据集,验证本文方法创建的数据集在科研工作中的通用性。以动作捕捉数据为基准,验证了Kinect运动数据用于数据去噪算法的可行性、IMU数据用于运动重建算法的可行性、视频帧图像用于估计人体姿态算法的有效性以及融合Kinect运动数据和IMU数据对数据增强的可行性。（3）开发一款多模态人体运动数据同步采集系统,可以支持同时连接动作捕捉设备、Kinect V2设备、Azure Kinect设备、IMU设备,采集多模态人体运动数据。系统提供了数据采集以及数据同步功能,能够便捷的采集与同步多模态人体运动数据。
其他文献
图像超分辨率旨在从观测的低分辨率图像重建出清晰的高分辨率图像,是计算机视觉领域中最经典的图像重建任务之一。清晰的高分辨率图像不仅可以直接用于实际生活中,还能给计算机视觉的其他任务提供帮助,例如,目标检测,语义分割。近年来,卷积神经网络在单帧图像超分辨率领域取得了显著的进步,但是现有的图像超分辨率模型大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像的自相似特征。鉴于此,本文提出的方
随着现代科技步入人工智能新时代,数据总量呈现出爆炸式的增长,数据类型也越来越多元化。作为数据因果发现的重要一环,因果结构学习领域向来备受关注。然而,目前大多数因果结构学习算法难以应对复杂的非线性数据,特别是高维大数据,普遍存在计算复杂度大、结果精确度低等问题。究其原因,缺乏相应有效的独立性分析是重要影响因素。本文以此为切入点,构建了一种空间坐标SC系数和条件坐标CSC系数,一方面,将其与贝叶斯网络
语义分割性能的提升得益于模型规模的不断扩大,然而随着模型复杂度的提高,其参数和浮点运算量也在增加。为了将高性能模型部署在资源受限的设备上,模型压缩技术应运而生。神经网络剪枝和知识蒸馏是两种简单且高效的压缩方法,现有的剪枝方法在使用特征信息评估滤波器的重要性时忽略了特征间的关系,且对语义分割网络剪枝后的微调流程较为复杂。此外现有方法还未考虑特征中的干扰信息对滤波器评估的影响,跨层的重要性之间也存在较
超表面是由人工设计的亚波长单元组成的。在过去的几十年里,超表面由于其操纵各种光波参数的能力和丰富的功能而引起了众多研究者的广泛关注。人们可以使用亚波长间隔和空间变化几何参数（例如,天线形状、尺寸、方向）的天线阵列,以形成空间变化的光学响应,从而实现光学波前的随意设计。通过将电磁参数可调谐材料加入超表面设计,人们可由外部控制实现器件功能可调,这为超表面领域的发展提供了全新的动力。本论文基于石墨烯和二
为了降低深度学习对标注样本数量的要求,小样本学习被提出并成为了近年来研究的热点。其中基于度量学习的方法首先将样本映射到嵌入空间中,然后使用距离度量实现分类。已有的度量学习方法通常仅将样本独立地进行特征映射,忽略了对任务整体地观察,导致样本在嵌入空间中的分布缺乏判别性;此外现有方法计算原型作为类表达特征时,仅简单求支持集特征均值,由于样本匮乏,原型计算容易受到噪声的干扰,从而对类别的代表性较差。围绕
近些年来,我国机动车保有量及道路交通量猛增,使交通管理变得异常复杂,给相关交管部门带来了极大的压力,这对智能交通系统技术的发展提出了更大的挑战。对于交通视频中车辆异常事件的检测,车型识别和视频异常检测算法作为其中的关键技术,是智能交通系统的重要组成部分,也一直是计算机视觉领域的研究热点。车辆型号种类众多,某些车型外观差异小,且在实际交通场景下拍摄的图像中的车辆呈现多视角和多尺度的特点,这些因素都造
近年来,随着汽车保有量的持续增长,许多城市道路承载容量已达到饱和,交通出行安全问题、拥堵问题、环境污染问题等日益突出。在这种背景下,我国大力推崇公共交通的发展。随着车联网技术、通信技术、计算机辅助技术以及大数据、云计算、区块链等信息技术的快速发展,越来越多的城市开始建设智能公交系统,智能公交的建设有利于解决上述问题,且符合智慧城市以及绿色发展的理念。另外,随着智能公交建设的规模越来越大,需要部署大
随着软硬件技术的进步,三维模型被广泛地应用于生活的方方面面。由于近些年三维扫描和三维建模技术的提升,使得三维模型的获取变得更加简单,三维模型的数量处理也日益频繁。面对越来越庞大的模型库,快速准确地检索用户需要的模型成为了亟需解决的问题。框架作为三维模型的一种表现形式,在简化表达的基础上可以最大程度保留三维模型的几何形状信息,是检索三维模型的优秀特征。本文以三维模型框架为研究基础,调研了模型框架提取
股市是上市公司筹措资金和股民投资理财的重要途径。影响股票价格的因素众多,股市波动存在不稳定的特点。尤其是在市场情绪作用下,股市波动具有明显的情绪化倾向,波动更加不稳定。本文根据直接或间接反映市场情绪的数据,从市场情绪的不稳定性和临界性出发,对股市趋势拐点进行研究,具体研究内容如下:（1）股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法,难以适应市场情绪的多变
车辆型号的识别在智能交通领域有着广泛的应用前景,其中识别任务主要使用监控系统的车辆图像。日间车辆图像的识别准确率较高,但是夜间车辆图像饱受弱曝光、大量噪声、多重光源等的干扰,这些干扰增加了车型识别任务的难度,因此针对夜间车辆的暗光增强研究在智慧城市中具有重大意义。在增强过程中,不同的增强方法会产生不同的噪声、欠曝光、过度曝光和模糊等现象。针对这些现象,本文基于卷积神经网络（convolutiona