基於統計分析之動畫摘要及其可視化

Exploring Human Motion by Statistical Analysis

何宗修(Tsung-Hsiu Ho)

指導教授 ： 楊熙年

國立清華大學/電機資訊學院/資訊工程學系/碩士(2008年)

摘要

動作資料(motion capture data)經常被使用在動畫或是遊戲當中，當動作資料增加時，如何讓使用者很快找到想要的資料就成了一個很重要的問題。本篇論文使用了資料探勘(data mining)的技術及分段技術(Segmentation)，將動作資料轉換成視覺化的圖示、圖表，並且為這些資料產生動作摘要，大大的提升了使用者找尋動作資料的方便性。
首先，我們利用了分段演算法，將動作分成兩類：整體運動特徵 (global motion features) 及相對肢體細部特徵 (local motion features)，前者代表身體的旋轉和位移，後者代表四肢的移動。接下來使用了資料探勘中Association Rule的方法，將動作資料分成動作先後發生和動作同時發生兩種，前者表示當某一個動作結束後，發生另一個動作的機率，後者表示當發生某一個動作的同時也發生另一個動作的機率。然後我們將以上兩個的結果整合在一起，產生視覺化的結果：圖示和圖表，以及動作的摘要。最後，我們以數組動作實例展示其方法之可行性及有效性。

關鍵字

動作 ； 可視化 ； 統計分析

並列摘要

無資料

並列關鍵字

human motion ； visualization ； Statistical Analysis

參考文獻

GENG, L., AND HAMILTON, H. J. 2006. Interestingness measures for data mining: A survey. ACM Computing Surveys 38, 3, 9.

HAN, J., AND KAMBER, M. 2006. Data Mining: Concepts and Techniques. Morgan Kaufmann.

JOSHI, D., WANG, J. Z., AND LI, J. 2006. The story picturing engine - a system for automatic text illustration. ACM Transactions on Multimedia Computing, Communications, and Applications 2, 1, 68–89.

KOJIMA, A., TAMURA, T., AND FUKUNAGA, K. 2002. Natural language description of human activities from video images based on concept hierarchy of actions. International Journal of Computer Vision 50, 2, 171–184.

TAN, P.-N., AND KUMAR, V. 2000. Interestingness measures for association patterns: A perspective. Tech. rep., Computer Science and Engineering, University of Minnesota.