论文部分内容阅读
通过运动捕获技术对具有鲜明民族风格和地方特色的民族舞蹈进行数字化存储、共享和重用将为推动中国特色的动漫产业进一步发展发挥重要作用。随着种类繁多、风格各异的民族舞蹈数据的采集,如何对民族舞蹈数据进行合理组织以支持探索式浏览以及如何有效实现检索是民族舞蹈数据得以重用的关键问题。因此,将模式识别、人工智能以及人机交互等技术结合起来,建立有效的民族舞蹈数据组织和检索机制也必然成为学术界需要解决的重要研究课题之一。本文以三维动漫为应用背景,以支持用户从民族舞蹈数据资源库中快速准确地获取所需资源为目标,根据民族舞蹈专业性、局部细分多样性、组合结构复杂性三个特点,对民族舞蹈数据组织和检索技术进行了深入的研究。本文的创新性成果主要包括以下几个方面:1)提出了一种基于定量与定性方法相结合的尺度可变民族舞蹈数据组织方法。在数据抽象上,该方法引入基于定量分析的层次近邻传播算法对姿态进行多层聚类,数据抽象的结果具有明确的从细节到抽象的层次,从而更符合人的认知上的数据抽象层次概念。在近邻构建上,该方法引入基于四元组定性分析的系统生成树算法,通过多种距离度量的融合来推断姿态之间的拓扑约束,从而能够为同一抽象层次不同聚类获得更为可靠的近邻。在数据可视化上,该方法提出了一种以系统生成树为中心的三维姿态可视化分析方法,通过树视图和分离度视图两种模式,能够帮助用户快速定位目标资源。该方法能够有效地支持对民族舞蹈数据资源库进行探索式浏览,较好地解决了民族舞蹈专业性带来的初始检索阶段查询概念模糊及难以获取查询实例问题。2)提出了一种基于姿态时空相对特征的民族舞蹈数据实例检索方法。该方法提取姿态中关节形成的点、线、面几何元素之间的相对空间位置及其变化的度量作为民族舞蹈运动内容表示。关节形成的点、线、面几何元素集合是不同舞蹈动作模式对应的局部区域的最小构成单元(局部性),而点、线、面几何元素之间的角度与距离等度量从不同方面反映了最小构成单元之间的相对空间位置关系(细节性),通过不同局部区域包含的不同类型特征的权重组合能够表达广泛的舞蹈动作模式(多样性),姿态时空相对特征较好地适应了民族舞蹈局部细分多样性特点。在姿态时空相对特征内容表示的基础上,该方法采用动态时间弯曲作为相似度匹配算法,较好地解决了运动数据匹配的时间形变问题。该方法还采用基于类间类内差比值的特征权重调整机制动态调整相似度计算中特征的权重,初步实现了用户检索意图的动态捕获,形成了基于实例的民族舞蹈数据检索完整框架。3)提出了一种以最小化经验排序损失和最大泛化损失为学习目标的民族舞蹈数据检索相关反馈方法。民族舞蹈数据是一种变长多变量时间序列数据,为适应其弹性匹配需求、高维性以及难以采用统一特征空间进行表示的特点并解决相关反馈的实时性要求问题,该方法采用KNN-DTW算法作为RankBoost集成学习的弱排序器。为解决在小样本学习环境下的过拟合问题,该方法提出了最小化经验排序损失和最大泛化损失学习目标并对RankBoost算法进行扩展以实现该集成学习目标。该方法有效地缓解了民族舞蹈数据检索中的语义鸿沟问题以及组合结构复杂性带来的检索意图难以表达问题。从原理上来说,该方法提出的最小化经验排序损失和最大泛化损失学习目标并不受具体反馈学习算法的限制,也同样适用于其它类型的多媒体信息检索,具有很强的适用性与扩展性。