行为研究中分析姿态的非线性方法

无标记姿态估计的进展使得使用标准视频在自然环境中捕捉详细的人体运动成为可能，从而在大规模上实现新的行为分析形式。然而，姿态数据的高维度、噪声和时间复杂性为提取有意义的协调模式和行为变化带来了重大挑战。本文提出了一种通用的人体姿态数据分析流程，旨在支持线性与非线性两种运动表征方式，适用于多样化的实验场景。该流程结合了原则性的预处理、降维和基于递归的时间序列分析，以量化运动动力学的时间结构。为说明该流程的灵活性，我们展示了三个案例研究，涵盖面部和全身运动、二维和三维数据，以及个体与多智能体行为。这些例子共同展示了相同的分析流程如何被调整以从复杂的姿态时间序列中提取具有理论意义的洞察。