基于子空间的人体运动类型分段
为了从三维人体运动数据中获得不同的运动片断，从而用来进行计算机动画创作，需要对运动序列进行识别。因为运动数据的复杂性，所以运动分段识别的复杂性非常高，尤其是对长运动序列。本文提出了一个基于低维特型的运动分段识别方法，避开了直接在原始数据空间上的分段识别，从而提高了运动分段识别的效率，同时因为子空间特征体现了运动的内在结构，因此分段识别精度也得到了改善。实验结果证明，该分段识别方法能够很好的对一些常见的运动类型进行分段识别。
低维特征 人体运动数据 运动序列识别 子空间
朱红丽 郑天琪 向坚
浙江大学城市学院信息与电气工程分院,杭州310015 浙江科技学院信息与电子工程学院,杭州310023
国内会议
北京
中文
2708-2711
2010-07-29（万方平台首次上网日期，不代表论文的发表时间）