邻近不动点时序稳定的运动捕获数据恢复算法.pdf

20色年 赣南师范大学学报
第三期 Journal of Gannan Normal University May. 2021
•算法设计与应用•
邻近不动点时序稳定的
运动捕获数据恢复算法”
朱雪芳，陈 龙,伍联华，胡文玉十
(赣南师范大学数学与计算机科学学院,江西赣州341000)
摘要:针对具有低秩性、噪声稀疏性和时序稳定性的人体运动捕获数据恢复问题，提出一种基于邻近不动点
时序稳定的运动捕获数据恢复算法(PFP-TS).给出PFP-TS算法的详细推导过程，
验将PFP-TS算法与PFP算法、TSMC算法进行对比，验证本文提出算法的可行性和有效性.
关键词：运动捕获;低秩结构;邻近不动点;时序稳定性
中图分类号: 文献标志码:A 文章编号： 1004 - 8332(2021)03 - 0073 - 09
1引言
运动捕获技术是近年来随着运动捕获设备的发展和普及出现的新运动生成技术•由于运动捕获数据是
一组具有时序性的特殊运动序列，能够有效描述人体在一段时间内连续的姿态变化，已广泛应用于计算机动
画、游戏、电影制作、虚拟现实和医疗康复等多个领域⑴•然而，即便是目前最先进的运动捕获系统,捕获所
得的运动数据仍存在噪声和数据丢失等数据失真现象⑵，如采集环境的复杂性和数据采集设备的自身因素
影响,以及在运动捕获数据的获取、转换和传输过程中，通常会不可避免地产生一些随机、离散或孤立的干扰
数据,即运动噪声;另外，由于传感器记录错误和标记点被遮挡等，会造成捕获数据的丢失•因此，如何从失真
数据中重构出精确逼近真实运动姿态的运动序列，是运动捕获技术亟需解决难题，这对运动捕获的后续应用
具有重要的现实意义•
近年来,为有效恢复人体运动捕获数据，研究人员提出许多不同的恢复算法归-9].主要分为:⑴基于插值
的方法•早期研究人员使用高斯低通滤波器和卡尔曼滤波器对运动数据进行去噪•由于单独处理运动数据的
每一个自由度，该类方法破坏了运动数据的时空特性•而基于插值的方法虽能够保留数据的时空特性，但只
适用于短时(<)的数据恢复问题;(H)基于人体模型的方法⑶.主要通过利用人体运动学知识和前后帧
时序关系，对缺失数据进行跟踪补全•缺点是要求有一段时间的骨架信息必须是先验已知的;伽基于动态系
统的方法⑷.挖掘隐含变量和学习变量之间存