基于运动学建模与频率分析的无监督重复人体动作时间分割

本文提出一种基于运动学参数频率分析、零速度过零检测以及自适应k-means聚类的无监督人体重复动作时间分割方法。由于人体运动数据可能以不同模态捕获，这些模态具有不同时域采样率与精度（例如光学动作捕捉系统与Microsoft Kinect），我们首先采用通用全身运动学模型结合无迹卡尔曼滤波器，将运动数据转换为对噪声鲁棒的统一表示。进而，我们通过主频率分析提取最具代表性的运动学参数。序列根据所选参数的零速度过零进行分割，随后通过自适应k-means聚类来识别重复片段。实验结果表明，对于由动作捕捉系统与Microsoft Kinect捕获的运动数据，我们所提算法均能获得鲁棒的重复动作序列分割。