[发明专利]一种基于稀疏表达的运动数据压缩方法

说明书

技术领域

本发明涉及动画制作、运动捕获以及机器学习领域，特别涉及一种对运动数据进行压缩的方法。

背景技术

随着动画产业的发展，动画制作中越来越多的用到运动数据（其格式以bvh、trc等为主），这些数据多来源于运动捕获系统。运动数据文件中一般包括角色模型信息、运动片段总帧数、采样率等基础信息以及大量的运动数据信息（角色模型每个关节点的三维坐标或旋转角度，依文件格式而不同）。由于运动数据的采样率普遍较高，因此运动数据中冗余度也相对较高，重复性较强，在需要大量运动数据时会消耗过多的磁盘空间。因此，对运动数据的压缩成为了一个有意义的实际问题。

随着人体运动数据在科研和生产应用中的普及以及用于科研与商用目的的大型三维人体运动数据库的出现，对运动数据的高效压缩与存储正逐渐被大家所重视。2008年在EURASIP Journal on Image and Video Processing发表的《Compression of Human Motion Animation Using the Reduction of InterjointCorrelation》，该方法公开了一种通过正向和反向运动学对运动序列中的关节点进行表示，基于反向运动学的预测对运动数据进行压缩的方法。与之类似，在2009年的Computer Graphics上发表的《Motion compression using principalgeodesics analysis》，公开了一种基于PGA(Principal Geodesics Analysis)构建的简化骨骼模型，并通过储存人体骨骼根结点和所有末端节点轨迹代替原始数据，从而实现运动数据压缩效果的方法。此外，数据降维的方法也被引入到运动数据压缩中，例如基于PCA和CPCA的运动数据压缩方法。此外，另一类减少数据重复性的思路是信号处理方法，例如小波变换等。然而实验表明，仅用一些简单的数据降维和信号处理方法对运动数据进行压缩，其效果并不理想。

随着可用运动数据的不断增加，采用数据驱动方法实现运动数据压缩成为一个可行的思路。2008年在Computer Graphics上发表的《Compression of humanmotion capture data using motion pattern indexing》，该方法先将三维人体运动数据进行结构化处理，并在数据库中识别具有相似特征的数据，然后将结构化人体运动数据用数据库中已有的样本进行表达，用数据库索引替代原始数据以实现压缩目的。这种运动特征索引的思路也在其他一些方法中有所体现，如2007年在IEEE Transaction on Visualization and Computer Graphics上发表的《Humanmotion capture data compression by model-based indexing：A power awareapproach》。基于数据驱动的运动数据压缩方法确实能达到较好的压缩效果，但从大量训练数据中提取特征和生成模型是计算复杂且耗时的过程。此外，数据驱动的压缩过程还需要一定规模的数据库支持，且在很大程度其重建效果还依赖于所选择的训练样本，这与数据压缩的目的相悖。

在以上这些运动数据压缩方法中，大多数只适用于较长运动序列，或需要对数据库中所有运动数据片段拼接形成一个超长运动序列后再对其进行压缩。然而，如前文所述，由于运动捕获流程中采集的运动片段一般都不超过几分钟，短时长的运动序列应用更为广泛，且拼接成的整段超长运动序列不利于对增量数据库和数据变更的处理。遗憾的是，目前仍没有一种适用于短时长运动序列的压缩方法。

发明内容

本发明的目的在于针对现有技术的不足，提供了一种基于稀疏表达的运动数据压缩方法。

本发明的目的是通过以下技术方案来实现的：一种基于稀疏表达的运动数据压缩方法，该方法包括如下步骤：

（1）运动数据采集：采集人体运动时的关节点运动轨迹，并存为bvh或trc格式的运动数据文件；

（2）解析运动数据文件：将文件中运动数据Y和其他数据H（包括模型信息、帧数、采样率等）进行区分；

（3）运动数据字典生成：通过K-means聚类算法聚为K类，生成初始化的运动数据字典D⁽⁰⁾，其中，K为字典大小；

（4）稀疏表达求解：对运动数据Y中每一帧的信息用步骤3中生成的初始化的运动数据字典D⁽⁰⁾进行线性表达，并用Sparse方法求解运动数据Y的稀疏表达矩阵A，该稀疏表达矩阵A即为运动数据Y的压缩形式；