基于示例的人体运动去噪

随着动作捕捉数据的激增，去除动作捕捉数据中的噪声和异常值的兴趣也在增加。本文提出了一种高效的人体运动去噪技术，用于同时去除输入人体运动数据中的噪声和异常值。我们方法的关键思路是从预捕捉的运动数据中学习一系列滤波基，并结合稳健统计技术来滤波嘈杂的运动数据。在数学上，我们将运动去噪过程形式化为非线性优化框架。目标函数测量嘈杂输入与滤波运动之间的距离，以及滤波运动保留在捕捉到的人体运动数据中嵌入的时空模式的程度。优化目标函数可以产生一种最优的滤波运动，保持捕捉运动数据中的时空模式。我们还扩展算法以填补输入运动数据中的缺失值。通过对真实和模拟运动数据的实验，我们展示了系统的有效性。我们还通过将算法与三种基线算法以及用Vicon Blade等最先进的动作捕捉数据处理软件进行比较，展示了算法的优越性能。