基於機器學習的運動捕獲數據分析與重用技術研究

《基於機器學習的運動捕獲數據分析與重用技術研究》是依託中國人民解放軍國防科技大學，由魏迎梅擔任項目負責人的面上項目。

基本介紹

• 中文名：基於機器學習的運動捕獲數據分析與重用技術研究
• 項目類別：面上項目
• 項目負責人：魏迎梅
• 依託單位：中國人民解放軍國防科技大學

中文摘要

從機器學習的角度出發，研究基於高斯過程隱變數模型和隱空間動態模型的運動姿勢學習模型和適合的最佳化算法，通過對隱軌跡的分析和聚類實現運動片段分割，基於多因子高斯過程模型實現運動風格與內容的分離。以提高運動捕獲數據的重用性和角色動畫生產效率為目標，研究基於學習模型和逆運動的運動編輯和運動合成方法，支持在觀察空間和隱空間兩種運動編輯手段，實現運動姿勢編輯、後續運動預測、運動融合、多運動片段合成、運動風格改變和群體動畫等多種運動生成方法，並力求使生成的運動的自然性、連續、正確性。本項目的研究有望推動數學娛樂、虛擬現實等領域角色建模與角色動畫理論和技術的發展，有望提高三維動畫的生產效率，具有較好的理論意義和套用價值。

結題摘要

已按計畫完成全部研究內容，主要成果如下： 針對人體運動數據維度高、相關性高、不易直接分析的特點，通過對運動數據進行統計學習，提出基於快速自適應比例高斯過程隱變數模型實現非線性降維，通過對低維隱空間的時變特徵建模，獲得了運動正確姿勢在觀察空間和隱空間的機率描述，從而獲得了對運動姿勢自然合理性的量化度量，達到了在低維空間分析高維數據的目的，克服了傳統逆向運動學算法合理性無法評估的缺點。 研究並提出了一種基於隱空間運動特徵函式的人體運動自動分割方法。為了避開對運動語義特徵直接分析和建模的困難，將運動映射到低維特徵空間，在特徵空間提取運動幾何特徵並使之與運動的高層語義特徵相對應，運動幾何特徵的變化能夠反映運動語義特徵的改變。該方法藉助分析運動的幾何特徵來分析運動的高層語義特徵，實現運動在語義層次的自動分割。 為提高了運動捕獲數據的可重用性，研究並提出了隱空間編輯、關節點編輯和運動軌跡編輯三種逆運動編輯方法。獲得了運動姿勢學習模型後，即獲得了所有姿勢在觀察空間和隱空間中的機率分布，從而將逆運動求解問題，轉換成在滿足給定末端約束條件下求取後驗機率最大的姿勢的最佳化問題，可以最大程度地保證生成的姿勢的自然性和合理性。 為提高運動捕獲數據的可用性，提出了兩種新運動生成方法。基於動態預測的運動片段連線方法，利用高斯過程從機率角度描述人體運動姿勢的在低維隱空間演變規律，通過自動計算過渡運動的長度並基於二階馬爾可夫鏈的動態預測生成過渡運動姿勢，將運動片段無縫拼接為完整的、連貫流暢的運動。群體動畫生成方法通過隱空間動態預測和Hybrid Monte Carlo採樣得到符合給定機率分布的一系列隱軌跡，通過姿勢重構得到原運動非常相似但又不同的一系列自然的運動，避開了傳統的基於幾何和物理約束的逆運動方法固有的困難和複雜性。 研究並提出了面向人體四肢的運動重定向方法，包括面向人體下肢的運動重定向方法和面向人體上肢的運動重定向方法。對於面向下肢的人體運動重定向方法，將運動依據其特徵分為兩類，並分別提出與其適應的運動重定向方法，即基於下肢向量特徵不變的運動重定向和基於下肢運動軌跡投影變換的運動重定向。對於面向上肢的運動重定向，依據上肢在運動過程中受到的不同約束，分別提出靜態約束、動態約束和語義約束的運動軌跡重定向，以重定向後的運動軌跡為約束進行逆向運動學求解，最終實現運動重定向。