基于深度学习的连续动作拉班舞谱自动生成方法研究

目录

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