导读:本文包含了关键帧优化论文开题报告文献综述及选题提纲参考文献，主要关键词:关键帧提取,样条插值优化,位置偏移,动作识别
关键帧优化论文文献综述
左伍衡,吴琳[1]（2018）在《关键帧样条插值优化位置偏移的虚拟教学动作识别》一文中研究指出针对目前人体动作识别算法精确度不高的问题,提出了一种关键帧样条插值优化位置偏移的虚拟教学动作识别策略。首先对运动数据进行去均值的预处理并转化为矩阵形式,然后通过对运动数据矩阵进行非线性降维处理,构建人体姿态空间集,接着在末端约束条件下对集合进行逆向运动学求解,最后对其进行关键帧样条插值优化。算法仿真实验结果表明,本文提出的改进算法具有较高的识别精度,可以精准识别虚拟教学动作,方便人机交互。(本文来源于《科技通报》期刊2018年06期）
赵洪,宣士斌[2]（2018）在《人体运动视频关键帧优化及行为识别》一文中研究指出在行为识别过程中,提取视频关键帧可以有效减少视频索引的数据量,从而提高动作识别的准确性和实时性。为提高关键帧的代表性,提出一种关键帧序列优化方法,并在此基础上进行行为识别。首先根据3D人体骨架特征利用K-均值聚类算法提取人体运动视频序列中的关键帧,然后根据关键帧所在序列中的位置进行二次优化以提取最优关键帧,解决了传统方法中关键帧序列冗余等问题。最后根据最优关键帧利用卷积神经网络(CNN)分类器对行为视频进行识别。在Florence3D-Action数据库上的实验结果表明,该方法具有较高的识别率,并且与传统方法相比大幅度缩短了识别时间。(本文来源于《图学学报》期刊2018年03期）
文国成[3]（2018）在《基于关键帧的闭环检测和地图优化研究》一文中研究指出随着计算机技术的飞速发展,智能机器人在人类的生活中扮演着越来越重要的角色,相关的研究成为了学者的热门研究方向。要体现机器人的智能之处,就需要其能像人一样,可以在任何未知环境中,自由的行走,要实现这一功能,SLAM是关键技术之一。SLAM(Simultaneously Localization and Mapping)的全称为即时定位与构图,通过传感器感知环境信息,结合SLAM算法实现在未知环境中的地图构建和移动机器人的定位。作为发展多年的算法,SLAM的研究热点从早期的使用测距传感器获取2D环境信息和基于概率模型计算的增量式地图,发展至用摄像头获取3D环境的丰富信息和基于优化的图结构地图,说明着该领域依然有很多值得改进和研究的地方。本课题针对在二维环境基于激光的图优化SLAM算法中,传统图优化算法和闭环检测方法存在的问题,作出分析与改进,并结合实验证明改进算法的有效性,主要工作内容如下:(1)分析SLAM算法在智能机器人中的重要性和应用现状,介绍SLAM算法的发展情况、国内外现状和算法相关基础知识。针对基于图优化的SLAM算法作深入研究与分析,以GraphSLAM为例阐述图优化SLAM算法原理和求解方式。(2)介绍目前主流的通用图优化(Graph Optimization)框架,推导并分析最优解的求解过程,针对求解公式中信息矩阵因数据累积导致复杂计算量的问题,提出构建关键帧的解决方法,用基于关键帧构建的全局图进行图优化,以减少信息矩阵的元素计算量;对图优化算法在SLAM系统中的应用框架作改进,提出以全局图为主导的图优化框架与SLAM系统结合使用,以提高优化算法的效果和速度,最终结合仿真实验说明改进算法的可行性。(3)基于CSM(Correlative Scan Matching)匹配算法做闭环检测,针对原算法匹配效率低下和存在误检的情况,提出用关键帧提高匹配准确率的改进方法。又因为关键帧的改进方法会降低算法的计算速度,于是在改进方法的基础上,本文再对闭环检测候选集的筛选方法做改进,确保准确率不降的前提下,提高匹配算法的检测速度。通过仿真实验与先进算法做比较,证明改进算法的有效性。(4)针对本文提出的改进算法,将其与实时的SLAM系统结合,在真实环境进行实验测试,通过与原算法对比分析,证明改进方法在时效性和构图效果上都有所提升。(本文来源于《广东工业大学》期刊2018-05-01）
赵洪[4]（2018）在《基于视频关键帧优化的人体行为识别》一文中研究指出基于视频的人体行为识别是近年来计算机视觉领域的研究热点之一,广泛应用于人机智能交互、视屏监控、虚拟现实等领域。随着多媒体技术和网络信息的飞速发展,视频数据大量充斥在我们周边,如何在规定的时间内从大量视频数据中检索出有效的、关键的信息是当前一个急需解决的关键问题。关键帧则是反映镜头主要内容的一帧或者若干帧图像,不仅可以简单、概括的描述视频主要视觉内容,也可以为后期的应用提供很好的数据预处理作用。在人体行为识别研究领域中,提取视频关键帧可以有效减少视频索引的数据量,从而提高动作识别的准确性和实时性。为提高视频关键帧的代表性,本文针对人体运动视频、日常监控视频等数据提出关键帧序列优化方法,利用优化后的关键帧序列进行行为识别。改进了传统行为识别方法中对提取的初始关键帧直接进行分类识别的方法,在保证识别率的基础上缩短了识别时间。主要工作包括以下两个方面:(1)利用Kinect深度摄像机获取人体骨架信息,构建包含关节点位置和角度信息的3D人体骨架特征描述子,利用K-均值聚类算法提取人体运动视频序列中的初始关键帧,然后根据关键帧所在序列中的位置进行二次优化以提取最优关键帧,获得优化后的关键帧序列,最后根据最优关键帧利用卷积神经网络分类器对行为视频进行识别。(2)针对日常视频数据,在视频关键帧优化阶段,提出基于颜色特征的视频关键帧提取及优化方法。首先对视频帧图像构建RGB颜色特征,然后依据相邻帧间相似度大小初步选取关键帧序列。最后利用Canny边缘检测算子通过计算边缘匹配率来消除冗余帧,同样达到优化目的。实验结果表明,该方法具有很好的自适应性,同时能够有效避免帧图像因灰度分布差异问题而重复提取关键帧,最终提取的关键帧可以很好的概括及表达原始视频内容。(本文来源于《广西民族大学》期刊2018-04-01）
郝爱民,兰宇,李帅,杨晨[5]（2017）在《基于逆有限元优化分析的弹性体关键帧动画生成方法的研究》一文中研究指出提出基于逆有限元优化分析的弹性体关键帧动画生成方法,通过使用逆有限元方法来构建多目标优化过程进而对形变空间中的关键帧进行时空优化分析来构造出符合指定目标模型的形变空间。通过引入符号距离场,将用户指定的模型关键帧数据进行隐式曲面表达,使得该方法适用于多种输入格式。定义位移场到隐式曲面的距离度量函数并作为优化目标函数,同时在迭代优化过程中引入逆有限元方法来获得形变空间的最优控制施力场和模型材质参数。实验结果表明该方法在准确性以及效率方面的有效性。(本文来源于《2017第二届电子工程与计算机科学国际会议论文集》期刊2017-04-27）
张波,王颖[6]（2016）在《大数据视频图像关键帧的检索模型优化仿真》一文中研究指出传统的检索方法在建模时,主要通过视频图像特征提取视频图像的关键帧,忽略了视频图像采集过程中受到光照等因素的影响,使得图像特征发生变化情况,导致建模误差大的问题。提出基于视频元数据信息的大数据视频图像关键帧的检索建模方法。先对采集的样例大数据视频进行图像划分,获取图像子区域的灰度均值,将编号相同的子区域直接进行连接,组成大数据图像视频的关键帧时序特征曲线,通过异常因子去除视频图像中的突变干扰,在引入视频元数据信息算法计算视频图像关键帧元数据,并进行视频元数据信息对比,建立大数据视频图像关键帧的检索模型。仿真结果表明,采用改进算法检索效果好,误差低。(本文来源于《计算机仿真》期刊2016年09期）
马利克,彭进业,冯晓毅[7]（2015）在《遗传算法优化LVQ网络的监控视频关键帧内容识别》一文中研究指出为解决监控视频检索中公安视频侦查关注目标的识别问题,提出一种基于遗传算法优化LVQ神经网络的关键帧内容识别方法。首先通过运动目标检测及二值图像的聚散熵,对监控视频进行子镜头划分,从而提取视频关键帧。其次归一化关键帧中的待识别目标,提取待识别目标的形状统计特征。再次构造LVQ网络并利用遗传算法对网络的初始权值进行优化,训练网络实现关键帧内容识别。最后列举出该方法的实验结果及性能分析。该方法在关键帧内容识别的准确性和鲁棒性上都有良好表现。(本文来源于《西北大学学报(自然科学版)》期刊2015年04期）
杨涛,孙怀江,叶俊[8]（2014）在《基于量子粒子群优化算法的运动捕获数据关键帧提取》一文中研究指出关键帧提取是人体运动捕获数据分析与处理的重要研究内容,为此提出一种基于量子粒子群优化算法的运动捕获数据关键帧提取方法。量子粒子群优化算法具有较快的搜索能力,编码方式采用有序整数编码来保证搜索中运动序列的时序性。该方法既可以提取出确定数目的关键帧序列,也可以根据目标函数来提取关键帧序列。其中目标函数由重构误差和关键帧数目来定义,重构误差由原始运动与重构运动之间的平均帧间距离来度量。实验结果表明,该方法能够有效地从运动捕获数据中提取出具有最优重建误差的关键帧序列,并具有较好的视觉效果。(本文来源于《计算机应用研究》期刊2014年08期）
梁丽娜[9]（2013）在《针对认知规律,优化教学流程——调好小学数学课堂关键帧》一文中研究指出要想实现小学数学高效课堂,教师就必须从小学生的认知规律特点出发,还原学生学习的主体地位,参照教学内容特点,遵循教学规律,努力完成教学资源优化配置,设计最佳的教学方案,优化教学流程,让学生通过体会数学知识生成和发展的过程进行知识内化和迁移。下面从教学实践出发对如何构建小学数学高效课堂进行探索与研究。(本文来源于《新课程学习(中)》期刊2013年01期）
蔡美玲,邹北骥,辛国江[10]（2012）在《预选策略和重建误差优化的运动捕获数据关键帧提取》一文中研究指出为了从运动捕获数据中提取关键帧来进行人体动画创作,提出一种以重建误差或压缩率为目标的运动捕获数据关键帧提取方法.该方法将关键帧提取划分为帧预选和基于重建误差优化的精选2个阶段,在第一阶段,对原始动作序列筛选边界姿势作为候选关键帧,使最终关键帧序列具有较强运动类型描述能力;在第二阶段,定义帧消减误差作为关键帧重要性的度量标准,并定义最大重建误差作为关键帧提取过程中的优化目标,同时考虑压缩率目标,精选候选帧获得满足指定重建误差或压缩率要求的最终关键帧集合.实验结果表明,文中方法具有良好的数据压缩效果,能满足实时压缩的需要.(本文来源于《计算机辅助设计与图形学学报》期刊2012年11期）
关键帧优化论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在行为识别过程中,提取视频关键帧可以有效减少视频索引的数据量,从而提高动作识别的准确性和实时性。为提高关键帧的代表性,提出一种关键帧序列优化方法,并在此基础上进行行为识别。首先根据3D人体骨架特征利用K-均值聚类算法提取人体运动视频序列中的关键帧,然后根据关键帧所在序列中的位置进行二次优化以提取最优关键帧,解决了传统方法中关键帧序列冗余等问题。最后根据最优关键帧利用卷积神经网络(CNN)分类器对行为视频进行识别。在Florence3D-Action数据库上的实验结果表明,该方法具有较高的识别率,并且与传统方法相比大幅度缩短了识别时间。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
关键帧优化论文参考文献
[1].左伍衡,吴琳.关键帧样条插值优化位置偏移的虚拟教学动作识别[J].科技通报.2018
[2].赵洪,宣士斌.人体运动视频关键帧优化及行为识别[J].图学学报.2018
[3].文国成.基于关键帧的闭环检测和地图优化研究[D].广东工业大学.2018
[4].赵洪.基于视频关键帧优化的人体行为识别[D].广西民族大学.2018
[5].郝爱民,兰宇,李帅,杨晨.基于逆有限元优化分析的弹性体关键帧动画生成方法的研究[C].2017第二届电子工程与计算机科学国际会议论文集.2017
[6].张波,王颖.大数据视频图像关键帧的检索模型优化仿真[J].计算机仿真.2016
[7].马利克,彭进业,冯晓毅.遗传算法优化LVQ网络的监控视频关键帧内容识别[J].西北大学学报(自然科学版).2015
[8].杨涛,孙怀江,叶俊.基于量子粒子群优化算法的运动捕获数据关键帧提取[J].计算机应用研究.2014
[9].梁丽娜.针对认知规律,优化教学流程——调好小学数学课堂关键帧[J].新课程学习(中).2013
[10].蔡美玲,邹北骥,辛国江.预选策略和重建误差优化的运动捕获数据关键帧提取[J].计算机辅助设计与图形学学报.2012