Ourinput data are motion trajectori

Our
input data are motion trajectories followed by the joints
of a dancing body provided by a motion-capture system.
It is obvious that direct use of the original signals is
unreliable and expensive. Therefore, we propose a
suitable tool for non-uniform sub-sampling of spatiotemporal
signals. The key to our approach is the use of a
deformable model to provide a compact and efficient
representation of motion trajectories. Our dance gesture
recognition method involves a set of hidden Markov
models (HMMs), each of them being related to a motion
trajectory followed by the joints. The recognition of such
movements is then achieved by matching the resulting
gesture models with the input data via HMMs. We have
validated our recognition system on 12 fundamental
movements from contemporary ballet performed by
four dancers.

Results (Thai) 1:

ของเราข้อมูลป้อนเข้ามีวิถีตาม ด้วยข้อต่อเคลื่อนไหวของร่างกายเต้นรำโดยมีระบบจับภาพเคลื่อนไหวเป็นที่ชัดเจนว่าใช้สัญญาณเดิมโดยตรงไม่น่าเชื่อถือ และมีราคาแพง ดังนั้น เรานำเสนอเป็นเครื่องมือที่เหมาะสำหรับการสุ่มตัวอย่างย่อยไม่ใช่เหมือนของ spatiotemporalสัญญาณ หลักสำคัญของแนวทางของเราคือ การใช้การรุ่น deformable ขนาดกะทัดรัด และมีประสิทธิภาพการแสดงวิถีการเคลื่อนไหว ท่าเต้นของเราวิธีการรับรู้เกี่ยวข้องกับชุดของ Markov ซ่อนรุ่น (HMMs), แต่ละคนจะเกี่ยวข้องกับการเคลื่อนไหววิถีตามรอยต่อ การรับรู้ดังกล่าวเคลื่อนไหวนั้นสามารถทำได้ โดยการจับคู่ผลท่าทางแบบจำลองกับข้อมูลป้อนเข้าผ่าน HMMs เรามีตรวจสอบระบบของเราบนพื้นฐาน 12ดำเนินการเคลื่อนไหวจากบัลเลต์ร่วมสมัยโดยนักเต้นสี่

Results (Thai) 2:

เรา
ป้อนข้อมูลที่มีวิถีการเคลื่อนไหวตามข้อต่อ
ของร่างกายเต้นให้โดยระบบจับภาพเคลื่อนไหว.
เป็นที่ชัดเจนว่าใช้โดยตรงของสัญญาณเดิมเป็น
ที่ไม่น่าเชื่อถือและมีราคาแพง ดังนั้นเราจึงนำเสนอ
เครื่องมือที่เหมาะสมสำหรับนอกเครื่องแบบย่อยตัวอย่างของ spatiotemporal
สัญญาณ กุญแจสำคัญในการวิธีการของเราคือการใช้เป็น
รูปแบบ deformable เพื่อให้มีขนาดกะทัดรัดและมีประสิทธิภาพ
เป็นตัวแทนของวิถีการเคลื่อนไหว เต้นรำท่าทางของเรา
วิธีการรับรู้เกี่ยวกับการตั้งค่าของมาร์คอฟที่ซ่อนอยู่
แบบจำลอง (HMMs) แต่ละของพวกเขาที่เกี่ยวข้องกับการเคลื่อนไหว
วิถีตามข้อต่อ การรับรู้เช่น
การเคลื่อนไหวจะประสบความสำเร็จแล้วโดยการจับคู่ผล
รุ่นท่าทางที่มีการป้อนข้อมูลผ่านทาง HMMs เราได้
รับการตรวจสอบระบบการรับรู้ของเราในวันที่ 12 พื้นฐาน
การเคลื่อนไหวจากบัลเล่ต์ร่วมสมัยที่ดำเนินการโดย
สี่นักเต้น

Results (Thai) 3:

ของเราข้อมูลมีการเคลื่อนไหววิถีตามข้อต่อของร่างกายให้เต้นด้วยระบบจับการเคลื่อนไหวมันชัดเจนว่า ใช้โดยตรงของสัญญาณเดิมคือไม่น่าเชื่อถือ และราคาแพง ดังนั้นเราจึงเสนอเครื่องมือที่เหมาะสำหรับพื้นผิวย่อยตัวอย่าง spatiotemporalสัญญาณ กุญแจสู่แนวทางของเราคือการใช้ของโดยรูปแบบให้กระชับและมีประสิทธิภาพการเป็นตัวแทนของการเคลื่อนไหววิถี . ท่าทางการเต้นของเราวิธีการรับรู้เกี่ยวข้องกับชุดของมาร์คอฟที่ซ่อนอยู่แบบจำลอง ( hmms ) แต่ละของพวกเขาที่เกี่ยวข้องกับการเคลื่อนไหววิถีตามข้อต่อ การรับรู้ เช่นการเคลื่อนไหวเป็นแล้วได้โดยตรงกับผลท่าทางนางแบบกับข้อมูลทาง hmms . เรามีตรวจสอบระบบการรับรู้ของเราบนพื้นฐาน 12การเคลื่อนไหวจากบัลเลต์ร่วมสมัย แสดงโดยสี่นักเต้น