64、语义一致的人体运动分割与主动查询约束选择聚类算法解析

语义一致的人体运动分割与主动查询约束选择聚类算法解析

在当今的计算机科学和人工智能领域，人体运动分割和聚类算法是两个重要的研究方向。人体运动分割有助于理解和分析人体的各种动作，而聚类算法则能对数据进行有效的分类和组织。本文将围绕语义一致的人体运动分割以及基于约束的聚类算法中的主动查询选择方法展开详细介绍。

语义一致的人体运动分割

在人体运动分割的研究中，一种无监督的关键姿态检测算法被提出，用于对运动捕捉数据进行分割。该算法在手势级别对运动进行划分，与现有的一些方法如Assa、Xiao和Gong的方法相比，能够以更高的准确性在语义等效的运动阶段检测出手势级别的分割点。

算法步骤

为了评估不同方法在语义一致性方面的准确性，采用了以下步骤：
1. 生成关键姿态集 ：利用特定方法为两种运动生成对应的关键姿态集。
2. 确定映射姿态数量 ：通过运动的变形矩阵来确定两个关键姿态集之间的映射姿态数量。
3. 计算一致性准确率 ：将确定的映射关键姿态数量与两种运动的所有关键姿态数量之比作为一致性准确率。为了不受运动长度的影响，在所有运动对中计算该比例。

实验结果分析

实验结果通过不同长度归一化的动态时间规整（DTW）距离阈值下的语义一致性准确率图（图6）展示。距离阈值从50（对应241个高度相似的运动对）到200（对应21,676个运动对）变化。需要注意的是，DTW距离通过除以运动长度之和进行归一化，使得阈值不依赖于运动长度。

从实验结果可以看出，随着距离阈值的增加，