[发明专利]一种基于流形学习的三维人体运动分析与合成方法

说明书

技术领域

本发明涉及一种三维人体运动数据分析和合成方法，特别是基于流形学习的三维人体运动分析与合成方法。

背景技术

随着计算机软硬件和图形学的飞速发展，三维动画也成为常见的媒体类型。现在以计算机技术为载体制作的动画在影视制作、游戏、模拟仿真及体育训练等领域受到越来越多的关注，其中人体动画作为三维动画的主体部分，因其包含很多的自由度，成为研究的重点和难点。根据生成动画的方法不同，目前常用的计算机动画技术可分为基于程序的方法、基于物理的方法、基于视频的方法及基于运动捕捉的方法。在许多运动捕捉方法中，光学式运动捕捉因其表演活动范围大，使用方便，采样频率高等优点被广泛采用。因此通过光学运动捕捉设备可获得的大量运动数据，基于大量运动库的人体运动分析与合成成为研究重点。三维人体分析与合成技术不但提高现有运动库的重用性，而且可以弥补运动捕捉结果中的缺陷，来满足动画师的特殊需求。运动捕捉的数据只是针对某一事件的记录，如果复用这些数据，做出一些细微的修改，如角色的大小或不同动作顺序，就可以利用合成技术生成新的数据。例如，建立不可能的运动，由于原始运动数据保留的是真实运动中的肢体的运动，不可能满足像夸张表现方式的动画需求，这时就需要分析或合成技术。目前常用的合成方法有：运动过渡和运动融合、基于统计模型的方法和基于运动图的方法。目前的各种方法各有优缺点，适用于不同的情况，有时采用多种方法相结合的办法。

发明内容

本发明针对以上问题的提出，而研制一种基于流形学习的三维人体运动分析与合成方法。该方法是在通过光学人体动动捕捉设备得到的人体运动数据基础上，将流形学习算法应用于三维人体运动分析与合成方法中。由于光学运动捕捉设备的采集频率高，所得到的运动数据量大和维度过高，且人体运动数据具有非线性和全局性特征，所以将非线性流形学习算法和基于运动图的合成方法相结合。该方法不仅更加合理的划分原始运动序列并且可以提高后期构图效率和增强运动图的后期扩展性，并使生成的运动序列更进一步符合人体运动规律。本发明采用的技术方案如下：

一种基于流形学习的三维人体运动分体与合成方法，其特征在于包括如下步骤：

1)从已有的人体运动库中导入数据，获得人体姿态参数序列；

2)从人体运动参数中提取所需数据，包括人体每个关节点的全局平移量和旋转信息；

3)利用非线性等距映射算法对提取的运动信息进行降维，计算每个关节点的邻近点，以每个节点的邻域数据点来构建无向连接图，再把多维尺度变换应用于最短距离矩阵上；

4)建立每段运动序列的低维嵌入的曲线模型，分析它的运动特征和类型，然后分割原始运动序列，根据降维后的数据曲线，并结合原始运动序列，确定多类型运动序列的分割点；

5)存储分割得到的基本运动片段；

6)转换运动数据格式，将人体非根节点的旋转信息转化为四元数表示；

7)基于分割得到的基本运动片段构建运动图，在以上述步骤中得到的基本运动片段为基本单位，计算运动片段的相似帧，确定相似帧的距离参数，筛选出最优值，生成运动图；

8)根据得到的运动图，得到新的合成路径，指定一条运动路径，在运动边上生成过渡序列，通过简单的插值来生成平滑的过渡运动，对于所有关节的旋转信息用球面线性插值算法来生成，对于根节点采用简单的线性插值。

所述的步骤3)中利用非线性等距映射算法对提取的运动信息进行降维时，关键在于算法中邻域和维度的选择，由于人体运动本身是非常灵活的，对于不同的类型的运动库，需要通过不断地试验参数，已求得相似帧的距离的参数。

所述的步骤4)中分割原始运动序列的方法具体描述为：通过所述步骤3)中的方法将原始高维运动序列以低维特征曲线的方式进行记录，接下来就对运动捕捉数据在低维曲线上呈现出来的规律和特征，对运动片段进行截取或进行分割。

所述的步骤7)中基于分割得到的基本运动片段构建运动图的方法具体描述为：在求解相似帧时，该方法不在是过去的基于原始运动序列中两两帧之间的比较，而是利用上述分段得到的基本运动片段，比较基本运动片段的前后帧，定义计算相似帧公式，公式如下：