【ACM MM2018】157页基于相似度的动作捕捉数据处理教程（附PPT下载）

【导读】本教程介绍了在3D人类运动捕捉领域中，基于相似度的数据处理方法当前所遇到的挑战以及最佳实践，包括sub sequence searching，动作识别或语义分割。

摘要：

运动捕捉技术通过实时跟踪人体骨架关节的3D位置，以达到对人体运动进行数字化处理的目的。这种时空数据在许多领域具有巨大的应用前景，如计算机动画，运动和医疗领域等。但是，此类数据的计算方法始终是一个难题。在运动捕捉问题中记录的数据可能是不精确的，大量的，并且各种对象可以以不同的速度和时空位置上，执行相同的移动动作。与传统的域（如属性，文本或图像）相比，这需要采用完全不同的模型进行处理。

本教程的目的是介绍运动捕捉问题中，基于相似性处理的基本原理和技术实践。具体而言，我们强调，运动序列对之间相似度表示的重要性，并且还讨论了，应用于可自动获取的描述性运动特征的机器学习方法。解释了如何将相似性概念与学习特征一起，应用于在长运动序列中的搜索问题上。我们介绍了能够识别特定动作，并在连续运动序列中检测出这种动作的技术。相关的样例将通过在线Web应用程序进行演示。

请关注专知公众号（扫一扫最下面专知二维码，或者点击上方蓝色专知）

• 后台回复“MM2018DB” 就可以获取PDF下载链接~ 

附PPT全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知