基于动态森林模型的人体运动建模方法.pdfVIP

第42卷 第 10期 计 算 机 工 程 2016年 10月 VO1．42 No．10 ComputerEngineering 0ctober20l6 · 虚拟现实专题 · 文章编号：1000．3428(2016)10-0038-07 文献标志码：A 中图分类号：TP391 基于动态森林模型的人体运动建模方法 孑J、 利 (黄淮学院信息工程学院，河南 驻马店 463000) 摘 要 ：现有 的人体运动建模方法无法应用于一般非线性非高斯情况下的人体运动。针对上述不足 ，以马尔科夫 模型为基础 ，提 出一种改进 的人体运动建模方法 。利用 自回归 (AR)树表示人体运动预测 的马尔科夫过程 ，对 AR 树进行扩展 ，引入动态森林模型(DFM)，给 出DFM 的训练和正规化方法 ，实现对人体运动 的准确建模 。实例研究结 果表明，DFM在各种场景下的性能均优于其他基准算法及隐马尔科夫模型和高斯过程动态模型，且计算效率较高。 关键词：人体运动；马尔科夫模型；自回归树 ；动态森林模型；训练 中文引用格式 ：孙 利 ．基于动态森林模型的人体运动建模方法 [J]．计算机工程 ，2016，42(10)：3844． 英文引用格式 ：Sun Li．ModelingMethodofHumanMotion Based onDynamicForestModel[J]．Computer Engineering，2016，42(10)：3844． M odelingM ethodofHumanM otionBased onDynamicForestM odel SUN Li (SchoolofInformationEngineering，HuanghuaiUniversity，Zhumadian，Henan463000，China) A【bstract】Aimingatthedisadvantagesthattheexistingmodelingmethodsofhumanmotioncannotbeappliedatthe generalnonlinearand non—Gaussian cases，basedon theM arkoff model，animproved modelingmethod ofhuman motion isproposed．TheMarkovprocessofhumanmotionpredictionispresentedbyusingtheAutoRegressive(AR)tree，and thepaperproposesextensionstoARtreesandintroducestheDynamicForestModel(DFM )anddescribesitstraining， regularization and the realization of the accurate modeling of human motion．Example research results show that performanceofDFM isbetterthanotherbenchmarkalgorithms，HiddenMarkovModel(HMM)andGaussianProcess DynamicalModel(GPDM)，andcomputingefficiencyoftheproposedmethodsishigh． 【Keywords】humanmotion；Markovmodel；AutoRegressive(AR)tree；DynamicForestModel(DFM)；training DOI：10．3969／i．issn．1000-3428．2016．10．007 对点 ，建立膝关节统计模型训练集 ，通过主分量分析 1 概述 的方法确定特征点在三维空间的分布规律 ，