扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
人体运动数据处理及合成中的关键算法 版权信息
- ISBN：9787115459367
- 条形码：9787115459367 ; 978-7-115-45936-7
- 装帧：暂无
- 册数：暂无
- 重量：暂无
- 所属分类：>>
人体运动数据处理及合成中的关键算法 本书特色
本书是作者多年来对人体运动数据处理及运动合成方面研究成果的结集。本书主要阐述了两方面的内容：一是人体运动数据处理中的运动检索及精简组织技术，主要对基于预测器的人体运动无损压缩、基于样例的人体运动检索及运动数据库组织框架等技术进行了阐述；二是人体运动的姿态生成及运动合成技术，主要对基于草图的交互式姿态生成、基于高斯过程的人体节奏生成以及数据驱动的人体触碰运动合成等方面进行了阐述。 本书的读者对象包括计算机图形学、虚拟人运动合成等方面的研究人员及高等院校的教师和学生。
人体运动数据处理及合成中的关键算法 内容简介
1.第1本人体运动数据处理方面的专著。 2.深入分析及阐述人体运动数据压缩、检索、数据库框架、节奏分析与运动合成及基于草图的人体姿态生成等人体运动数据处理关键技术。
人体运动数据处理及合成中的关键算法 目录
第1章 绪论 1
1.1 人体动画纵览 1
1.1.1 运动学控制 2
1.1.2 简单动力学控制 2
1.1.3 运动捕获 3
1.1.4 物理控制器 4
1.1.5 混合方法 5
1.2 人体基本模型 6
1.3 本章小结 8
参考文献 8
第2章 人体运动数据压缩技术 11
2.1 运动捕获数据压缩流程 11
2.1.1 压缩前数据预处理 12
2.1.2 几何编码 13
2.1.3 数据量化 13
2.1.4 熵编码 13
2.1.5 误差控制与矫正 13
2.2 运动捕获数据压缩方法分类原则 14
2.2.1 基于运动数据中的冗余类别进行分类 15
2.2.2 基于运动数据是否损失进行分类 16
2.2.3 基于算法部署平台进行分类 16
2.2.4 基于运动数据传送方式进行分类 16
2.3 基于消除时空域数据冗余的方法 17
2.3.1 基于曲线拟合的方法 17
2.3.2 基于数据降维的方法 17
2.3.3 基于信号处理的方法 18
2.3.4 基于四元数空间稀疏表达的方法 19
2.3.5 基于关键帧提取的方法 20
2.4 基于消除片段域数据冗余的方法 20
2.4.1 基于动作片段分析的方法 20
2.4.2 基于聚类及降维的方法 21
2.5 本章小结 22
参考文献 23
第3章 人体运动数据检索技术 29
3.1 运动捕获数据检索算法中的关键问题 30
3.1.1 数值相似性与逻辑相似性 30
3.1.2 骨架的层次结构分解 31
3.1.3 索引的构建 31
3.1.4 特征的选取 32
3.2 基于数值相似性的检索算法 32
3.2.1 基于SOM的方法 32
3.2.2 基于PCA的方法 34
3.2.3 其他基于数值相似性的方法 34
3.3 基于逻辑相似性的检索算法 34
3.4 本章小结 37
参考文献 37
第4章 低维空间人体运动合成技术 42
4.1 运动合成算法流程 43
4.1.1 运动数据预处理 43
4.1.2 运动数据降维 44
4.1.3 基于*优化的运动模型及运动合成 45
4.1.4 人体运动合成技术 45
4.2 运动控制算法流程 51
4.2.1 低维信号模拟 51
4.2.2 基于*近邻查找的运动模型 51
4.2.3 局部在线模型及运动控制 51
4.2.4 人体运动控制技术 52
4.3 本章小结 54
参考文献 55
第5章 基于预测的实时运动捕获数据无损压缩方法 61
5.1 数据的分组处理 62
5.2 预测规则 63
5.3 *佳α值与α值查找表的构建 65
5.4 实验结果与讨论 66
5.4.1 不同参数组合下的压缩比 67
5.4.2 平均预测误差与压缩比 69
5.4.3 与其他压缩方法对比 70
5.5 本章小结 71
参考文献 72
第6章 关键帧提取与浮点压缩方法 73
6.1 特征表示方式和维度约减 73
6.1.1 骨骼夹角特征表示方法 74
6.1.2 优化的骨骼夹角特征表示方法 75
6.2 并行曲线简化方法 77
6.3 基于局部*小生成树的点模型浮点压缩方法 79
6.3.1 预测及浮点数压缩 80
6.3.2 实验结果与分析 81
6.4 基于GPU的无损浮点压缩方法 83
6.4.1 Lorenzo预测器 84
6.4.2 Lorenzo的并行方案 85
6.5 本章小结 86
参考文献 87
第7章 基于样例的实时人体运动数据检索 89
7.1 预处理 90
7.1.1 特征定义 91
7.1.2 运动索引提取 92
7.2 实时检索 94
7.2.1 基本相关性系数计算 94
7.2.2 等长规格化 95
7.2.3 计算匹配分数 95
7.2.4 两阶段匹配过程 96
7.3 结果和讨论 97
7.3.1 预处理阶段结果 97
7.3.2 实时检索结果 99
7.4 本章小结 103
参考文献 104
第8章 人体运动捕获数据库集成框架 106
8.1 系统概述 106
8.2 运动索引和EigenDis定义 107
8.3 对压缩的运动数据库进行多步检索 108
8.4 结果与讨论 108
8.4.1 数据库创建阶段结果 109
8.4.2 实时检索阶段结果 110
8.5 本章小结 111
第9章 基于草绘的快速位姿检索与位姿创建 112
9.1 引言 112
9.2 相关工作 113
9.3 系统概述 114
9.4 运动数据预处理 115
9.5 图像描述符 117
9.6 局部匹配和快速位姿检索 118
9.7 基于采样的位姿提炼 120
9.8 实验 122
9.9 用户调查 127
9.10 本章小结 130
参考文献 131
第10章 基于高斯过程动态模型的人体节奏运动合成 134
10.1 引言 134
10.2 相关工作 135
10.3 算法概述 136
10.3.1 节奏和运动特征提取 137
10.3.2 节奏提取 137
10.3.3 运动特征提取 138
10.4 节奏和运动特征匹配 139
10.5 运动节奏转移 139
10.6 实验结果 140
10.6.1 节奏提取结果 140
10.6.2 运动特征提取结果 141
10.6.3 GPDM插值和节奏转移 142
10.7 本章小结 144
参考文献 145
第11章 基于生物力学的*优化触碰运动合成 147
11.1 引言 147
11.2 相关工作 148
11.3 基于生物力学的真实感触碰控制器 150
11.4 数据预处理 150
11.4.1 手臂触碰工作区计算 150
11.4.2 策略分类 152
11.4.3 低维空间构造 152
11.5 基于*优化的运动合成 153
11.5.1 快速*近邻查找 153
11.5.2 目标函数 153
11.6 实验 154
11.6.1 实验设置 154
11.6.2 结果 154
11.6.3 结果分析 155
11.7 本章小结 158
参考文献 158
第12章 基于组合控制器的触碰运动合成 161
12.1 引言 161
12.2 相关工作 162
12.2.1 触碰和抓取运动合成 162
12.2.2 基于模型的运动合成 163
12.2.3 基于组合控制器的运动合成 163
12.3 系统框架 163
12.4 控制器定义 164
12.4.1 静态控制器 164
12.4.2 过渡控制器 166
12.5 触碰运动合成 166
12.6 实验 167
12.6.1 实验环境设置 167
12.6.2 基于静态控制器的单次和连续触碰 168
12.6.3 结合过渡控制器的试探性触碰 169
12.6.4 手眼协同 169
12.7 本章小结 170
参考文献 171
1.1 人体动画纵览 1
1.1.1 运动学控制 2
1.1.2 简单动力学控制 2
1.1.3 运动捕获 3
1.1.4 物理控制器 4
1.1.5 混合方法 5
1.2 人体基本模型 6
1.3 本章小结 8
参考文献 8
第2章 人体运动数据压缩技术 11
2.1 运动捕获数据压缩流程 11
2.1.1 压缩前数据预处理 12
2.1.2 几何编码 13
2.1.3 数据量化 13
2.1.4 熵编码 13
2.1.5 误差控制与矫正 13
2.2 运动捕获数据压缩方法分类原则 14
2.2.1 基于运动数据中的冗余类别进行分类 15
2.2.2 基于运动数据是否损失进行分类 16
2.2.3 基于算法部署平台进行分类 16
2.2.4 基于运动数据传送方式进行分类 16
2.3 基于消除时空域数据冗余的方法 17
2.3.1 基于曲线拟合的方法 17
2.3.2 基于数据降维的方法 17
2.3.3 基于信号处理的方法 18
2.3.4 基于四元数空间稀疏表达的方法 19
2.3.5 基于关键帧提取的方法 20
2.4 基于消除片段域数据冗余的方法 20
2.4.1 基于动作片段分析的方法 20
2.4.2 基于聚类及降维的方法 21
2.5 本章小结 22
参考文献 23
第3章 人体运动数据检索技术 29
3.1 运动捕获数据检索算法中的关键问题 30
3.1.1 数值相似性与逻辑相似性 30
3.1.2 骨架的层次结构分解 31
3.1.3 索引的构建 31
3.1.4 特征的选取 32
3.2 基于数值相似性的检索算法 32
3.2.1 基于SOM的方法 32
3.2.2 基于PCA的方法 34
3.2.3 其他基于数值相似性的方法 34
3.3 基于逻辑相似性的检索算法 34
3.4 本章小结 37
参考文献 37
第4章 低维空间人体运动合成技术 42
4.1 运动合成算法流程 43
4.1.1 运动数据预处理 43
4.1.2 运动数据降维 44
4.1.3 基于*优化的运动模型及运动合成 45
4.1.4 人体运动合成技术 45
4.2 运动控制算法流程 51
4.2.1 低维信号模拟 51
4.2.2 基于*近邻查找的运动模型 51
4.2.3 局部在线模型及运动控制 51
4.2.4 人体运动控制技术 52
4.3 本章小结 54
参考文献 55
第5章 基于预测的实时运动捕获数据无损压缩方法 61
5.1 数据的分组处理 62
5.2 预测规则 63
5.3 *佳α值与α值查找表的构建 65
5.4 实验结果与讨论 66
5.4.1 不同参数组合下的压缩比 67
5.4.2 平均预测误差与压缩比 69
5.4.3 与其他压缩方法对比 70
5.5 本章小结 71
参考文献 72
第6章 关键帧提取与浮点压缩方法 73
6.1 特征表示方式和维度约减 73
6.1.1 骨骼夹角特征表示方法 74
6.1.2 优化的骨骼夹角特征表示方法 75
6.2 并行曲线简化方法 77
6.3 基于局部*小生成树的点模型浮点压缩方法 79
6.3.1 预测及浮点数压缩 80
6.3.2 实验结果与分析 81
6.4 基于GPU的无损浮点压缩方法 83
6.4.1 Lorenzo预测器 84
6.4.2 Lorenzo的并行方案 85
6.5 本章小结 86
参考文献 87
第7章 基于样例的实时人体运动数据检索 89
7.1 预处理 90
7.1.1 特征定义 91
7.1.2 运动索引提取 92
7.2 实时检索 94
7.2.1 基本相关性系数计算 94
7.2.2 等长规格化 95
7.2.3 计算匹配分数 95
7.2.4 两阶段匹配过程 96
7.3 结果和讨论 97
7.3.1 预处理阶段结果 97
7.3.2 实时检索结果 99
7.4 本章小结 103
参考文献 104
第8章 人体运动捕获数据库集成框架 106
8.1 系统概述 106
8.2 运动索引和EigenDis定义 107
8.3 对压缩的运动数据库进行多步检索 108
8.4 结果与讨论 108
8.4.1 数据库创建阶段结果 109
8.4.2 实时检索阶段结果 110
8.5 本章小结 111
第9章 基于草绘的快速位姿检索与位姿创建 112
9.1 引言 112
9.2 相关工作 113
9.3 系统概述 114
9.4 运动数据预处理 115
9.5 图像描述符 117
9.6 局部匹配和快速位姿检索 118
9.7 基于采样的位姿提炼 120
9.8 实验 122
9.9 用户调查 127
9.10 本章小结 130
参考文献 131
第10章 基于高斯过程动态模型的人体节奏运动合成 134
10.1 引言 134
10.2 相关工作 135
10.3 算法概述 136
10.3.1 节奏和运动特征提取 137
10.3.2 节奏提取 137
10.3.3 运动特征提取 138
10.4 节奏和运动特征匹配 139
10.5 运动节奏转移 139
10.6 实验结果 140
10.6.1 节奏提取结果 140
10.6.2 运动特征提取结果 141
10.6.3 GPDM插值和节奏转移 142
10.7 本章小结 144
参考文献 145
第11章 基于生物力学的*优化触碰运动合成 147
11.1 引言 147
11.2 相关工作 148
11.3 基于生物力学的真实感触碰控制器 150
11.4 数据预处理 150
11.4.1 手臂触碰工作区计算 150
11.4.2 策略分类 152
11.4.3 低维空间构造 152
11.5 基于*优化的运动合成 153
11.5.1 快速*近邻查找 153
11.5.2 目标函数 153
11.6 实验 154
11.6.1 实验设置 154
11.6.2 结果 154
11.6.3 结果分析 155
11.7 本章小结 158
参考文献 158
第12章 基于组合控制器的触碰运动合成 161
12.1 引言 161
12.2 相关工作 162
12.2.1 触碰和抓取运动合成 162
12.2.2 基于模型的运动合成 163
12.2.3 基于组合控制器的运动合成 163
12.3 系统框架 163
12.4 控制器定义 164
12.4.1 静态控制器 164
12.4.2 过渡控制器 166
12.5 触碰运动合成 166
12.6 实验 167
12.6.1 实验环境设置 167
12.6.2 基于静态控制器的单次和连续触碰 168
12.6.3 结合过渡控制器的试探性触碰 169
12.6.4 手眼协同 169
12.7 本章小结 170
参考文献 171
展开全部
人体运动数据处理及合成中的关键算法 作者简介
王鹏杰，男，博士，大连民族大学副教授，国家民委中青年英才。2001年和2004年分别从吉林大学计算机科学与技术专业和计算机软件与理论专业获得学士和硕士学位。2012年从浙江大学计算机科学与技术专业获得博士学位。主要从事计算机图形学、计算机视觉、人体运动数据处理、数字遗产保护等方面的研究。近年来，主持了包括国家自然科学基金在内的国家级、省部级课题6项，主持包括腾讯犀牛鸟项目在内的企业横向课题4项。入选了2014年度国家民委中青年英才计划，获得了包括陆增镛CAD & CG高科技奖二等奖、辽宁省自然科学奖在内的多个奖项。2015年和2010年曾赴美国University of Kentucky及香港城市大学交流访问。目前，已经在Computer Graphics Forum、Pattern Recognition 、Information Sciences、Multimedia Tools and Applications、Signal Processing: Image Communication、ACM Multimedia、Pacific Graphics、计算机研究与发展、光学学报、计算机辅助设计与图形学学报等发表论文30余篇。获得国家授权发明专利4项，与腾讯（深圳）公司联合申请发明专利1项，设计出的运动压缩算法集成进 “QQ炫舞”游戏中。 吕培，河南孟州人，2013年6月毕业于浙江大学计算机辅助设计与图形学国家重点实验室，获计算机科学与技术专业工学博士学位；2013年7月至2014年12月就职于华为技术有限公司中央研究院媒体技术实验室；现为郑州大学信息工程学院软件工程系讲师，郑州大学信息科学交叉研究中心副主任。目前的研究方向为大规模人群运动采集分析与群体行为仿真推演。先后主持承担了包括国家自然科学基金在内的国家级、省部级项目5项；参与了包括中船重工集团航军工项目在内的企、事业横向课题5项。研究成果主要体现为高水平研究论文与核心专利、关键算法库及构件、重要软件系统与装备等，目前已在IEEE Transactions on Image Processing、IEEE Transactions on Circuits and Systems for Video Technology 、Pattern Recognition、Neurocomputing、IEEE Transactions on Computational Intelligence and AI in Games、IEEE Transactions on Visualization and Computer Graphics、Computer Graphics Forum、IEEE Multimedia、The Visual Computer、计算机辅助设计与图形学学报国内外重要学术期刊，以及Pacific Graphics 2015、Pacific Graphics 2010、Computer Graphics International Conference 2011等重要国际学术会议发表和录用论文20余篇，其中已被SCI检索10篇；申请国家发明专利5项；获批软件著作权5项。
书友推荐
- >
上帝之肋:男人的真实旅程
上帝之肋:男人的真实旅程
¥19.3¥35.0 - >
人文阅读与收藏·良友文学丛书:一天的工作
人文阅读与收藏·良友文学丛书:一天的工作
¥19.2¥45.8 - >
月亮与六便士
月亮与六便士
¥15.1¥42.0 - >
随园食单
随园食单
¥15.4¥48.0 - >
罗曼·罗兰读书随笔-精装
罗曼·罗兰读书随笔-精装
¥17.4¥58.0 - >
我与地坛
我与地坛
¥15.4¥28.0 - >
龙榆生：词曲概论/大家小书
龙榆生：词曲概论/大家小书
¥7.7¥24.0 - >
莉莉和章鱼
莉莉和章鱼
¥16.4¥42.0
本类畅销
-
抖音短视频全面精通:拍摄剪辑＋滤镜美化＋字幕特效＋录音配乐＋直播运营
¥56.9¥79.8 -
图画-信息图表设计与制作专业教程
¥29.3¥39 -
CG造型基础与创作·入门篇
¥82.6¥118 -
影视动画场景设计与表现
¥27.3¥39 -
图像拟态融合理论、模型和应用
¥116.9¥148 -
4.23文创礼盒A款--“作家言我精神状态”
¥42.3¥206
