声明
致谢
序言
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 主要研究内容
1.4 论文章节结构
2 基于深度学习的连续拉班舞谱自动生成概述
2.1 拉班舞谱简介
2.2 运动捕捉数据获取
2.3 基于运动捕捉数据的拉班舞谱生成数据库
2.4 基于深度学习的连续拉班舞谱自动生成架构
2.5 本章小结
3 面向舞谱自动生成的时空双流并联模型
3.1 时空双流人体骨架特征设计
3.1.1 运动捕捉数据的转换
3.1.2 骨骼向量特征
3.1.3 李群特征
3.2 基于时空双流并联模型的人体动作识别
3.2.1 李群网络
3.2.2 长短时记忆网络
3.2.3 时空双流并联融合
3.3 实验设置与结果分析
3.3.1 实验数据与参数设置
3.3.2 实验结果分析
3.4 本章小结
4 面向连续舞谱自动生成的时空串联模型
4.1 基于时空串联模型的连续人体运动识别
4.1.1 一维卷积神经网络
4.1.2 双向门控循环网络
4.1.3 基于连接时序分类器的拉班符号转录
4.2 实验设置与结果分析
4.2.1 实验数据与参数设置
4.2.2 实验结果分析
4.3 本章小结
5 面向连续舞谱自动生成的双流有向图特征与融合网络
5.1 人体骨架的双流有向图特征设计
5.1.1 朝向归一化
5.1.2 空间域有向图
5.1.3 时间域有向图
5.2 基于双流融合有向图神经网络的连续人体运动识别
5.2.1 基于有向图的时空建模
5.2.2 融合池化模块
5.3 实验设置与结果分析
5.3.1 实验数据与参数设置
5.3.2 实验结果分析
5.4 本章小结
6 面向连续舞谱精细化自动生成的半监督动态帧聚类
6.1 基于k-均值的动态聚类
6.2 聚类池化与半监督动作分割
6.3 实验设置与结果分析
6.3.1 实验数据与参数设置
6.3.2 实验结果分析
6.4 本章小结
7 总结与展望
7.1 总结
7.2 展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;