因此，主题是既常见又具有描述性的单词，它们的分布代表了运动序列。为了对单词进行聚类并找到主题，面临的挑战是定义一个有效的特征空间，其中运动单词之间的距离在语义上是有意义的，并且处理速度和持续时间的变化。为此，我们使用深度神经网络使用三元组损失函数将运动词嵌入到特征空间中。为了定义签名，我们选择一组有限的运动图案，为序列创建一个图案袋表示。
运动签名与运动顺序、速度或持续时间变化无关，并且可以区分同一类运动之间的细粒度差异。我们举例说明了通过主题表征运动序列以及在许多应用中使用运动签名的示例。
中文翻译：
深层模式和运动特征
许多人体运动分析任务依赖于运动序列之间的高度相似性，这些运动序列在关节角度、时间或动作序列方面并不完全匹配。即使同一个人执行相同的动作，其持续时间和速度也会有所不同。相似动作的特征是频繁发生的相似动作组。在本文中，我们介绍了运动主题和动作签名，它们是运动序列的简洁但描述性的表示。我们首先将运动序列分解为称为运动词的短期运动，然后将这些词聚集在高维特征空间中以查找主题。因此，主题是常见且具有描述性的词语，它们的分布代表一系列动作。为了对单词进行聚类并找到主题，面临的挑战是定义一个有效的特征空间，其中运动单词之间的距离在语义上是有意义的，并且可以处理速度和持续时间的变化。为此，我们使用深度神经网络使用三元组损失函数将运动词嵌入到特征空间中。为了定义签名，我们选择一组有限的运动图案，并为该序列创建一个图案袋表示。运动特征与运动顺序、速度或持续时间的变化无关，并且可以区分同一类运动之间的细粒度差异。我们通过在许多应用中使用运动签名的模式和示例来说明表征运动序列的示例。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请联系本站，一经查实，本站将立刻删除。如若转载，请注明出处：http://yintongroup.com/html/tiyuwenda/7002.html
