导读:本文包含了动作捕捉论文开题报告文献综述及选题提纲参考文献，主要关键词:动作捕捉,数据编码,信息压缩,多人协同
动作捕捉论文文献综述
石慧煊,张同锋,陈伟伟[1]（2019）在《基于信息冗余压缩的动作捕捉骨骼数据编码优化方法》一文中研究指出研究动作捕捉骨骼数据特性,分析其中存在的冗余信息,提出基于信息冗余压缩的方法,优化动作捕捉骨骼数据编码。经验证,该方法对动作捕捉骨骼数据具有较好的压缩结果,可以为自然体感交互,特别是实时多人协同体感交互应用中,对骨骼数据传输提供更高效的数据编码方式,实现良好的交互体验,为沉浸式虚拟仿真训练系统研制提供有效支撑。(本文来源于《网络安全技术与应用》期刊2019年11期）
夏正亮,李夏元,马远博,张瑶敏,伍勰[2]（2019）在《基于红外动作捕捉的撑竿跳高机械能转化研究》一文中研究指出研究目的:机械能的转化是决定撑竿跳高运动成绩的重要因素之一,并且跳跃过程中运动员的能量与人体质心的最大高度有很强的相关性。由于该运动形式复杂,能量计算存在一定的难度,当前鲜有研究从撑竿跳高运动的机械能角度对运动员的技术进行分析。因此,本研究通过探讨运动员动能、势能、角动能以及撑竿的弹性能的计算方法,尝试从能量角度对撑竿跳高运动员的技术动作进行评价与分析。研究方法:运动学和动力学数据分别采用Qualysis红外动作捕捉系统(Qualisys;Qualisys AB.,G?teborg,Sweden)和Kistler测力穴斗(Z20903-01e,60×110cm,Kistler Instruments Ltd.,Winterthur,Switzerland)进行采集。22个QTM红外动作捕捉摄像头围绕撑竿跳高场地摆放,采集运动员助跑后叁步到过竿的运动学数据,测力穴斗采集撑竿插入穴斗后的叁维地面反作用力。实验前,运动员首先进行20分钟的热身,随后实验人员为运动员粘贴反光点,全身共粘贴31个反光点。除此之外,撑竿上粘贴8个反光条,从底端开始每隔50cm,连续粘贴7个;最后一个粘贴在撑竿的顶端。1名撑竿跳高运动员(一级水平)从个人最好成绩的90%进行跳跃,每个高度共3次试跳机会。运动员至少完成一次成功跳跃动作后,提升横竿高度20cm,进行下一个高度的跳跃,直至3次试跳全部失败后终止。数据收集完毕后,采用QTM软件进行基本处理,导出.tsv格式的文件。基于导出的反光点坐标和测力穴斗的数据,利用Python语言编程进行计算,并直接运行出运动员跳跃过程中的能量转化曲线。人体能量计算将人体简化为12个环节的刚体,分别计算各个环节在叁维空间运动的势能、动能和角动能,叁者求和后为人体运动的总能量。12个环节分别为:头颈、躯干、左右上臂,左右前臂,左右大腿、左右小腿和左右足。由于人体各环节的运动主要在矢状面内进行,故主要计算12个环节在矢状面转动的角动能为人体运动过程的角动能。对于人体水平面的转动,这里仅考虑躯干的角动能。研究结果:由能量曲线可知,运动员总能量(Etot)在最后一步触地后先开始下降,而后有轻微提升。当运动员插竿后,运动员的总能量会减少,一部分人体的能量开始向撑竿转化,直至撑竿到达最大弯曲时刻。随后,人体开始获得储存在撑竿的能量,增加自身的重力势能。撑竿完全回弹至竖直时刻,人体的总能量会到达平台期,基本保持不变。运动员的重力势能(Eg)则伴随着运动员起跳而逐渐增大;而运动员的动能(Ev)则在最后一步落地的制动阶段减少,在最后一步的推进期会有所上升,但最终伴随着运动员的插竿起跳而持续减少,直至质心到达最大高度;撑竿的回弹阶段人体动能将会有轻微的升高。相较于动能和势能,人体的矢状面的角动能(Ea)和躯干水平面转动的角动能(Ea_trunk)数值很小,但依旧能反应出运动员的运动特征。在起跳阶段和摆体阶段,人体环节在矢状面角动能会分别出现两个波峰。起跳阶段的波峰越接近于插竿时刻,且峰值越大,表明运动员插竿动作越积极、插竿质量越高;推竿阶段躯干角动能会有明显的上升,可用来评价运动员转体动作的质量。经计算,该运动员在跳跃4.6m(成功)、4.8m(成功)和5.0m(失败)时人体最后一步触地的人体总能量依次为3.36kJ、3.35kJ和3.31kJ;动能依次为2.70kJ、2.71kJ和2.68kJ;最后一步触地至插竿的能量损失依次为0.40kJ、0.38kJ和0.37kJ;插竿阶段人体矢状面角动能的峰值依次为32.75J、32.05J和31.32J,质心最大高度时刻人体的总能量为3.23kJ、3.22kJ和3.15kJ;质心最大高度时刻与最后一步触地时刻的能量差为-0.12 kJ、-0.13kJ和-0.16kJ。研究结论:撑竿跳高运动能量曲线可以为评价运动员的动作提供新思路,它可以评价插竿动作的积极性,量化各个阶段的运动员的能量和能量损失,以及评估运动员竿上动作的质量。通过运动员自身不同跳次的纵向比较和不同运动员之间的横向比较,可以帮助教练员从能量角度对运动员的技术动作进行诊断。从能量角度综合评价,该运动员4.6m跳次的动作质量最高,4.8m次之;而5.0m高度失败的主要原因应该是运动员起跳阶段人体总能量不够,且竿上动作人体肌肉做功不足。与国外文献中报道的高水平运动员能量研究相比,该运动员所有跳次质心最大高度时刻人体总能量均未达到最后一步触地时刻的人体总能量,表明竿上动作运动员自身肌肉并未积极做功弥补能量损失,应加强竿上动作的强化训练。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
郝昌[3]（2019）在《基于AI+动作捕捉技术的虚拟主播体感交互系统的设计与实现》一文中研究指出随着科技的快速发展和解放生产力的必然要求,人工智能(AI)的应用日益广泛,通过AI技术来推动广播电视领域在内容生产、终端服务和安全监管等方面的融合创新,实现全业务、全流程、全网络从数字化向智能化的战略转型意义重大。本文对"AI+广电"应用领域中的"虚拟主播"进行设计与实现,介绍了人物数字化过程、AI人脸表情跟踪计算方法、交互式虚拟主播3D建模、实验结果及分析。(本文来源于《广播与电视技术》期刊2019年10期）
夏为浩,张少帅[4]（2019）在《基于惯性传感器的动作捕捉系统设计》一文中研究指出针对传统的如光学式、机械式等动作捕捉系统在成本、使用环境及精度等方面各有优劣的特点,设计了一套基于惯性传感器的动作捕捉系统,通过在人体各部位佩戴惯性传感器节点,实时采集各部位的运动惯性数据,通过WIFI通信发送至数据处理终端,对数据进行存储和显示;经实验验证所设计动作捕捉系统能够正确采集人体惯性运动数据,系统的使用不受时间和地点的限制,具有成本低廉、穿戴方便和操作简单等特点,可以深入应用于医学、体育和军事等多个领域。(本文来源于《计算机测量与控制》期刊2019年09期）
李彬,汪鹏飞,曾景航[5]（2019）在《基于动作捕捉技术用于宽吻海豚仿生方法的研究》一文中研究指出动作捕捉技术最主要的应用领域是叁维模型制作及动作数据采集,通过动作捕捉数据来驱动叁维模型,可以大大提高水下无人系统仿生效率,并有效地降低水下无人系统仿生制造成本。动作捕捉技术的制作效果逼真和流畅,在机器人制造、数据采集中有广泛应用。目前动作捕捉技术为水中仿生带来了新的可能,通过动作捕捉技术收集宽吻海豚运动过程的真实数据,建立宽吻海豚叁维模型并有效驱动叁维模型运动,为水下无人系统仿生提供前期的技术支持。(本文来源于《鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集》期刊2019-09-22）
钟祎洵,许伟,姚日晖,宁洪龙[6]（2019）在《舞蹈的动作捕捉与图像还原研究与设计》一文中研究指出基于柔性传感器动作捕捉还原系统的最新技术,以广东非遗舞蹈"醉龙舞"为研究对象,进行舞蹈动作捕捉和图像还原系统新设计,为传统的叁维显示增加动作者的生物特征信息.通过结合现有摄影机图像捕捉技术和AGPS信息同步技术,突破现有技术局限并实现AGPS总系统集成;同时,通过系统对生物体征的测定与数据输出,对舞蹈的力度、速度和频率等内在风格进行量化.此研究为舞蹈动作等艺术表演的定量分析和叁维重构提供了新的思路和解决方案.(本文来源于《韶关学院学报》期刊2019年09期）
刘芳,白国亮[7]（2019）在《基于动作捕捉技术的舞蹈类非遗数字化档案建设——以秧歌为例》一文中研究指出传统的舞蹈类非遗保护工作中,大多对饰演者的动作以文字、图片、视频的形式进行记录保存,因此无法达到准确全面,数据无法开发和创新。本文是应用动作捕捉技术,通过动态捕捉设备来测量、跟踪、记录饰演者在叁维空间中的运动轨迹,进行相应的动作数据采集,建立人体3D姿态,并根据姿态生成实时虚拟舞蹈的展示。(本文来源于《电声技术》期刊2019年09期）
白国亮[8]（2019）在《动作捕捉技术在微电影中的应用与实现》一文中研究指出动作捕捉技术作为一项新兴的拍摄技术,对微电影的拍摄具有极大的适用性,通过案例制作的方法探索捕捉技术在微电影里的应用,使用动作捕捉系统收集信息,结合建模软件对模型实现骨骼绑定与蒙皮处理,把模型与动作信息绑定,建立出虚拟人物和实际的拍摄情境结合,最后制作出微电影。(本文来源于《信息记录材料》期刊2019年09期）
史卫亚,张洪超[9]（2019）在《基于超宽带和惯性传感器融合的人体动作捕捉系统》一文中研究指出惯性传感器动作捕捉系统能够非常精确的测量人体每个关节的旋转,但是并不能测量人体的位移,降低了系统的可用性。为此提出了一种超宽带定位系统和惯性传感器的融合算法。该算法结合两种传感器的优点,实现的动作捕捉系统不仅可以捕捉表演者的肢体动作,还能够精确定位用户在表演环境中的空间位置。实验表明在室内环境下该动作捕捉系统具有精确性和连续性。(本文来源于《传感器世界》期刊2019年08期）
马倩颖,吴瑞林,王亚猛,刘晓倩,朱廷劭[10]（2019）在《基于动作捕捉的减重条件下心理疲劳状态测量技术》一文中研究指出目的利用动作捕捉和机器学习技术,探讨减重条件下通过关节运动的叁维空间坐标统计特征测量受试者心理疲劳状态的可行性与可靠性。方法通过长时间认知任务诱发受试者的心理疲劳状态并利用量表进行评估。采用Kinect深度摄像头识别并追踪受试者2min减重跑步运动过程中25个关节点的运动信息。利用高斯过程回归算法建立心理量表与行为数据间的模型,并通过皮尔逊相关和均方根误差对模型进行验证。结果在减重条件下,基于关节运动的统计特征可以预测个体的心理疲劳状态,疲劳量表各个维度预测值与真实值间平均相关系数为0.44,均方根误差为2.94,心境状态量表模型预测值和真实值同样达到中等相关0.45,均方根误差为5.49。结论人体关节运动信息可作为有效生物特征预测受试者心理疲劳水平,且在空间或资源有限情况时,基于动作捕捉和机器学习方法建立的心理指标预测模型可为未来载人航天任务心理状态测量提供新方法。(本文来源于《航天医学与医学工程》期刊2019年04期）
动作捕捉论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
研究目的:机械能的转化是决定撑竿跳高运动成绩的重要因素之一,并且跳跃过程中运动员的能量与人体质心的最大高度有很强的相关性。由于该运动形式复杂,能量计算存在一定的难度,当前鲜有研究从撑竿跳高运动的机械能角度对运动员的技术进行分析。因此,本研究通过探讨运动员动能、势能、角动能以及撑竿的弹性能的计算方法,尝试从能量角度对撑竿跳高运动员的技术动作进行评价与分析。研究方法:运动学和动力学数据分别采用Qualysis红外动作捕捉系统(Qualisys;Qualisys AB.,G?teborg,Sweden)和Kistler测力穴斗(Z20903-01e,60×110cm,Kistler Instruments Ltd.,Winterthur,Switzerland)进行采集。22个QTM红外动作捕捉摄像头围绕撑竿跳高场地摆放,采集运动员助跑后叁步到过竿的运动学数据,测力穴斗采集撑竿插入穴斗后的叁维地面反作用力。实验前,运动员首先进行20分钟的热身,随后实验人员为运动员粘贴反光点,全身共粘贴31个反光点。除此之外,撑竿上粘贴8个反光条,从底端开始每隔50cm,连续粘贴7个;最后一个粘贴在撑竿的顶端。1名撑竿跳高运动员(一级水平)从个人最好成绩的90%进行跳跃,每个高度共3次试跳机会。运动员至少完成一次成功跳跃动作后,提升横竿高度20cm,进行下一个高度的跳跃,直至3次试跳全部失败后终止。数据收集完毕后,采用QTM软件进行基本处理,导出.tsv格式的文件。基于导出的反光点坐标和测力穴斗的数据,利用Python语言编程进行计算,并直接运行出运动员跳跃过程中的能量转化曲线。人体能量计算将人体简化为12个环节的刚体,分别计算各个环节在叁维空间运动的势能、动能和角动能,叁者求和后为人体运动的总能量。12个环节分别为:头颈、躯干、左右上臂,左右前臂,左右大腿、左右小腿和左右足。由于人体各环节的运动主要在矢状面内进行,故主要计算12个环节在矢状面转动的角动能为人体运动过程的角动能。对于人体水平面的转动,这里仅考虑躯干的角动能。研究结果:由能量曲线可知,运动员总能量(Etot)在最后一步触地后先开始下降,而后有轻微提升。当运动员插竿后,运动员的总能量会减少,一部分人体的能量开始向撑竿转化,直至撑竿到达最大弯曲时刻。随后,人体开始获得储存在撑竿的能量,增加自身的重力势能。撑竿完全回弹至竖直时刻,人体的总能量会到达平台期,基本保持不变。运动员的重力势能(Eg)则伴随着运动员起跳而逐渐增大;而运动员的动能(Ev)则在最后一步落地的制动阶段减少,在最后一步的推进期会有所上升,但最终伴随着运动员的插竿起跳而持续减少,直至质心到达最大高度;撑竿的回弹阶段人体动能将会有轻微的升高。相较于动能和势能,人体的矢状面的角动能(Ea)和躯干水平面转动的角动能(Ea_trunk)数值很小,但依旧能反应出运动员的运动特征。在起跳阶段和摆体阶段,人体环节在矢状面角动能会分别出现两个波峰。起跳阶段的波峰越接近于插竿时刻,且峰值越大,表明运动员插竿动作越积极、插竿质量越高;推竿阶段躯干角动能会有明显的上升,可用来评价运动员转体动作的质量。经计算,该运动员在跳跃4.6m(成功)、4.8m(成功)和5.0m(失败)时人体最后一步触地的人体总能量依次为3.36kJ、3.35kJ和3.31kJ;动能依次为2.70kJ、2.71kJ和2.68kJ;最后一步触地至插竿的能量损失依次为0.40kJ、0.38kJ和0.37kJ;插竿阶段人体矢状面角动能的峰值依次为32.75J、32.05J和31.32J,质心最大高度时刻人体的总能量为3.23kJ、3.22kJ和3.15kJ;质心最大高度时刻与最后一步触地时刻的能量差为-0.12 kJ、-0.13kJ和-0.16kJ。研究结论:撑竿跳高运动能量曲线可以为评价运动员的动作提供新思路,它可以评价插竿动作的积极性,量化各个阶段的运动员的能量和能量损失,以及评估运动员竿上动作的质量。通过运动员自身不同跳次的纵向比较和不同运动员之间的横向比较,可以帮助教练员从能量角度对运动员的技术动作进行诊断。从能量角度综合评价,该运动员4.6m跳次的动作质量最高,4.8m次之;而5.0m高度失败的主要原因应该是运动员起跳阶段人体总能量不够,且竿上动作人体肌肉做功不足。与国外文献中报道的高水平运动员能量研究相比,该运动员所有跳次质心最大高度时刻人体总能量均未达到最后一步触地时刻的人体总能量,表明竿上动作运动员自身肌肉并未积极做功弥补能量损失,应加强竿上动作的强化训练。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动作捕捉论文参考文献
[1].石慧煊,张同锋,陈伟伟.基于信息冗余压缩的动作捕捉骨骼数据编码优化方法[J].网络安全技术与应用.2019
[2].夏正亮,李夏元,马远博,张瑶敏,伍勰.基于红外动作捕捉的撑竿跳高机械能转化研究[C].第十一届全国体育科学大会论文摘要汇编.2019
[3].郝昌.基于AI+动作捕捉技术的虚拟主播体感交互系统的设计与实现[J].广播与电视技术.2019
[4].夏为浩,张少帅.基于惯性传感器的动作捕捉系统设计[J].计算机测量与控制.2019
[5].李彬,汪鹏飞,曾景航.基于动作捕捉技术用于宽吻海豚仿生方法的研究[C].鳌山论坛“2019年水下无人系统技术高峰论坛”——水下无人系统智能技术会议论文集.2019
[6].钟祎洵,许伟,姚日晖,宁洪龙.舞蹈的动作捕捉与图像还原研究与设计[J].韶关学院学报.2019
[7].刘芳,白国亮.基于动作捕捉技术的舞蹈类非遗数字化档案建设——以秧歌为例[J].电声技术.2019
[8].白国亮.动作捕捉技术在微电影中的应用与实现[J].信息记录材料.2019
[9].史卫亚,张洪超.基于超宽带和惯性传感器融合的人体动作捕捉系统[J].传感器世界.2019
[10].马倩颖,吴瑞林,王亚猛,刘晓倩,朱廷劭.基于动作捕捉的减重条件下心理疲劳状态测量技术[J].航天医学与医学工程.2019