A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Content-Based Retrieval of Motion Capture Data Using Short-Term Feature Extraction Recuperação baseada em conteúdo de dados de captura de movimento usando extração de recursos de curto prazo

Jianfeng XU, Haruhisa KATO, Akio YONEYAMA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Este artigo apresenta um algoritmo de recuperação baseado em conteúdo para dados de captura de movimento, necessário para reutilizar um banco de dados de grande escala que possui muitas variações na mesma categoria de movimentos. O problema mais desafiador é que movimentos logicamente semelhantes podem não ser numericamente semelhantes devido às variações de movimento em uma categoria. Nosso algoritmo pode efetivamente recuperar movimentos logicamente semelhantes a uma consulta, onde uma métrica de distância entre nossos novos recursos de curto prazo é definida adequadamente como um componente fundamental em nosso sistema. Extraímos os recursos com base na análise de curto prazo das velocidades articulares após dividir uma sequência inteira de captura de movimento em muitos pequenos clipes sobrepostos. Em cada clipe, selecionamos não apenas a magnitude, mas também o padrão dinâmico das velocidades articulares como nossos recursos, que podem descartar as variações de movimento enquanto mantêm as informações de movimento significativas em uma categoria. Simultaneamente, a quantidade de dados é reduzida, aliviando o custo computacional. Usando os recursos extraídos, definimos uma nova métrica de distância entre dois clipes de movimento. Através da distorção dinâmica do tempo, uma medida de dissimilaridade de movimento é calculada entre duas sequências de captura de movimento. Então, dada uma consulta, classificamos todos os movimentos em nosso conjunto de dados de acordo com suas medidas de dissimilaridade de movimento. Nossos experimentos, realizados em um conjunto de dados de teste que consiste em mais de 190 movimentos, demonstram que nosso algoritmo melhora muito o desempenho em comparação com dois métodos convencionais, de acordo com uma medida de avaliação popular. P(NR).

Publicação
IEICE TRANSACTIONS on Information Vol.E92-D No.9 pp.1657-1667
Data de publicação
2009/09/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E92.D.1657
Tipo de Manuscrito
PAPER
Categoria
Tecnologia de Conteúdos e Sistemas de Informação Web

autores

Palavra-chave