不确定情况下多角色交互性运动合成技术研究

How to synthesize realistic multi-character interactive motion in real time is a difficult problem when making movies, video games and 3D animaton. Our project designs a variant of the interactive motion graph for interactive motion synthesis in unknown situation, which can handle interactive motion synthesis between multiple characters other than two characters. Compared to previous work, our project uses two new relationships to represent the interactive behavior which can handle unknown type of attack and unknown number of attacker. One is the relationship between set of attack points and behavior motion clips, the other is the relationship between behavior motion clips and set of response points. The environmental model based Honeycomb can get attack points sourced from multiple characters in real time. Each character's response actions can The attack-response process can be repeated infinitely, so our system can synthesize realistic interactive motion in real time.To produce more massive and more intelligence muliti-character interactive animation,we will integrate random graphs and uniform network into our framwork to change the intelligence aspects of character based on the Disease transmission model from complex network area.

如何在多个角色之间，自动合成高质量交互性运动为制作影视，游戏和动画时的一个难点。本项目针对不确定情况下的交互式运动实时合成问题，设计了一个变种交互式运动图，从而将只能用来表示两个角色之间交互的运动图推广到可以表示多个角色间的交互运动。相比以往研究工作，本项目通过增加攻击点集合与行为运动片段之间，行为运动片段与响应点集合之间，两个自适应衔接关系来处理不确定攻击类型和不确定对手数目。在场景设置上使用蜂窝结构，可以实时地得到每个角色设定范围内，来自多个角色的攻击点集合。单个角色的反应动作，通过加权非均匀采样函数，又可以推导出响应点集合。上述攻击-响应过程不断重复，即可实时合成出交互性运动。为了合成更大规模更智能交互动画，拟将随机图和均匀网络结合到多角色交互性动画中，基于复杂网络的疾病传播模型来改变角色智能。

如何在多个角色之间,自动合成高质量交互性运动为制作影视,游戏和动画时的一个难点。 针对这个问题，本项目开展了如下的研究工作：（1）基于蜂窝的多角色交互性动画合成, 为了合成应对不确定数目的对手和不确定攻击类型的动作的多角色交互性动画，提出基于蜂窝结构和咏春拳的四门原理方法。该方法将复杂网络和人群动画相结合，分别提出了基于蜂窝结构的随机图和均匀网络来合成多角色交互性动画；采用将运动重建和动作识别相分离的策略，并使用一个双级结构来重建用户运动，使得用户可以控制虚拟角色参与交互性动画合成。（2）基于可变形运动模型和运动片元的多角色运动合成，为了实现多角色运动合成，提出将多角色可变形运动模型与运动片元相结合的方法。在运动片元构造阶段，使用多角色可变形运动模型来为片元库增加语义相同而细节不同的多角色交互性运动片元；在运动片元拼接阶段，使用随机抽样算法和确定性搜索算法相结合的策略来拼接运动片元；在多角色运动合成阶段，使用自顶向下策略匹配存在环境约束的情况，使用大片元优先策略匹配片元形状不规则情况。实验结果表明，该方法能实现运动片元间的平滑过渡，得到在时间上连续、空间上不重叠的无缝拼接图。(3) 基于缩略图的人体运动捕获数据检索.提出了一种SK-means聚类算法，在传统的K-means聚类算法中引入了概率统计信息，采用无监督学习进行运动捕获数据的组织，以语义关键帧生成缩略图作为检索预览图，实现高效直观的检索。该方法用分三个阶段实现对运动捕获数据的高效检索。首先，引入统计训练信息对运动数据进行K-mean聚类得到类型描述符，进而实现快速字符匹配。其次，在检索过程中学习用户的检索信息，统计每个数据检索率，实现民主决策检索排名，从而达到降低聚类误差的同时提高检索准确度。最后，提出一种基于可视化数据分析的关键帧提取算法来生成具有良好语义概括性的缩略图。.