[发明专利]针对人体运动数据的行为分割方法及系统

说明书

技术领域

本发明涉及计算机图形学下的三维人体运动捕捉技术，尤其涉及一种人体运动数据的行为分割方法及系统。

背景技术

近些年来，在计算机图形学领域中，随着运动捕捉技术的发展，人体运动数据日益庞大，如何有效利用这些数据已变的很重要，行为分割成为其中一个不可或缺的处理过程，它的主要目的是将包含有不同运动类型的长序列分割成单一的运动，形成具有独立运动类型等语义信息的运动片段，便于在人体运动数据库中的组织和存储，并为人体动画运动合成的重用创造条件。

但是，由于各种大规模人体运动数据库的出现，这对行为分割算法的适应性和稳健性提出了更高的要求。其中，如何针对人体运动数据进行高效自动地行为分割是运动捕捉领域研究的难点和热点，也日益成为人体运动分析系统实用性和可靠性的一大障碍。

发明内容

本发明的目的在于针对人体运动数据行为分割的需求问题，充分考虑到人体运动数据日益庞大和复杂的影响，提供一种针对人体运动数据的行为分割方法及系统，基于本发明，可以对于比较长、复杂、含有多种运动类型的人体运动数据具有很好的行为分割性能。

为实现本发明的发明目的，本发明提供的技术方案是：一种针对人体运动数据的行为分割方法，包括如下步骤：

预处理步骤，对原始未分割的人体运动数据的文件，转换成数值矩阵的形式，在此基础上，分别选取作为相似性比较的参考序列片段以及各个子序列片段。其中，所述参考序列片段是人工设定的，所述子序列片段是在人工设定长度基础上，逐步通过窗口滑动选取的。

核动态纹理构建步骤，基于核动态纹理的表示，针对选取后的参考序列片段和子序列片段数据，分别确定核主成分分析的相关系数，进而获取各序列片段对应的核动态纹理参数。其中，所述核动态纹理的状态是基于高斯径向基函数核函数的核主成分分析方法获得。

相似性距离度量步骤，基于马丁距离，分别度量参考序列片段与各个子序列片段之间的核动态纹理相似性，进而可以确定不同序列片段之间的相似性情况。

行为分割点检测步骤，在相似性距离的基础上，根据其数据的跳变特性，采用数学样本分析的方法，比较离散导数与标准差之间的关系，进而检测人体运动数据的行为分割点。其中，所述行为分割点的检测是基于样本数据的离散导数大于3倍的标准差。

本发明还提供了一种针对人体运动数据的行为分割系统，包括如下模块：

预处理模块，用于对原始未分割的人体运动数据的文件，转换成数值矩阵的形式，在此基础上，分别选取作为相似性比较的参考序列片段以及各个子序列片段。其中，所述参考序列片段是人工设定的，所述子序列片段是在人工设定长度基础上，逐步通过窗口滑动选取的。

核动态纹理构建模块，用于基于核动态纹理的表示，针对选取后的参考序列片段和子序列片段数据，分别确定核主成分分析的相关系数，进而获取各序列片段对应的核动态纹理参数。其中，所述核动态纹理的状态是基于高斯径向基函数核函数的核主成分分析方法获得。

相似性距离度量模块，用于基于马丁距离，分别度量参考序列片段与各个子序列片段之间的核动态纹理相似性，进而可以确定不同序列片段之间的相似性情况。

行为分割点检测模块，用于在相似性距离的基础上，根据其数据的跳变特性，采用数学样本分析的方法，比较离散导数与标准差之间的关系，进而检测人体运动数据的行为分割点。其中，所述行为分割点的检测是基于样本数据的离散导数大于3倍的标准差。

相对于现有技术而言，本发明通过采用基于核动态纹理的行为分割算法，解决了传统线性行为分割方法的不足：采用线性特征处理人体运动数据，将会丢失许多帧数据的内部结构信息，不能有效地与人体运动数据的非线性特征相匹配；传统的线性行为分割方法没有最大限度地抽取数据指标的信息，也没有充分地利用特征数目和质量，这在一定程度上影响了行为分割的性能。

本发明对于比较长、复杂、含有多种运动类型的人体运动数据具有很好的行为分割性能。且相对于其它传统的算法，在准确率和召回率的指标上都具有优越性，能够满足人体运动数据行为分割的实际需求。

附图说明

图1为人体运动数据行为分割的示意图；

图2为本发明针对人体运动数据的行为分割方法实施例的步骤流程图；

图3为本发明所使用的人体骨架模型的示意图；

图4为两种不同人体运动之间过渡情况的示意图；

图5为本发明所使用的人体运动行为代表性姿势的示意图；

图6为不同行为分割方法的比较示意图；